( PDF ) Avaliação probabilística de risco via modelo causal híbrido em cirurgia: o caso da histerectomia vaginal

Download PDF

ads:

UNIVERSIDADE FEDERAL DE PERNAMBUCO

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

AVALIAÇÃO PROBABILÍSTICA DE RISCO VIA

MODELO CAUSAL HÍBRIDO EM CIRURGIA: O CASO DA

HISTERECTOMIA VAGINAL

DISSERTAÇÃO SUBMETIDA À UFPE

PARA OBTENÇÃO DE GRAU DE MESTRE

POR

FELIPE ANDRADE GAMA DE OLIVEIRA

Orientador: Enrique López Droguett, Ph.D.

RECIFE, JULHO/2006

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

ads:

iii

DEDICATÓRIA

Dedico este trabalho à minha avó Cecy, que tanto contribuiu para que eu conseguisse

atingir os meus objetivos.

AGRADECIMENTOS

Agradeço a Deus por ter me dado várias oportunidades nesta vida.

Agradeço ao meu pai, Ricardo, pelo exemplo de pessoa que foi, e em quem sempre

tentarei me espelhar.

A minha mãe, Elizabeth, pela força, dedicação, amor e estímulo passados diariamente.

As minhas irmãs Mariana e Alita pela amizade e apoio.

Ao meu irmão, Pedro, pelo companheirismo, incentivo e ajuda de que tantas vezes

precisei.

A minha família, a começar pela minha avó Mercês, meus tios e tias, primos e primas, e

a todos aqueles que apesar de não terem laços sanguíneos convivem comigo diariamente.

A minha namorada, Raquel, pelo apoio e compreensão incondicionais nas horas em que

precisei estar ausente.

Aos meus amigos de infância Anna, Bruno e Eduardo que tanto me estimulam. E a

todos os amigos que fiz durante a faculdade, em especial André, Daniel e Eric que muito

contribuíram para que eu chegasse até aqui.

Ao meu ex-chefe e amigo Marconi, que me deu a oportunidade de iniciar uma carreira

na área de engenharia hospitalar.

Ao professor Enrique López, pela oportunidade de fazer um trabalho diferente, pela

confiança depositada e pelas inúmeras contribuições a este projeto.

A todos os amigos do Risctec, em especial a Paulo Renato e Regilda, os quais sempre

fizeram comentários muito relevantes sobre este trabalho.

Aos médicos que me ajudaram na elaboração das etapas relacionadas ao procedimento

cirúrgico desenvolvido neste trabalho.

RESUMO

A análise probabilística de risco é uma metodologia que identifica, avalia e quantifica

os riscos nos mais diversos procedimentos, desde de sistemas de alta complexidade

tecnológica a sistemas onde só existe o homem executando tarefas. Esta análise tem como

objetivo melhorar a segurança e o desempenho destes processos.

A área de saúde ainda encontra-se bastante carente de estudos que analisem e

quantifiquem os riscos envolvidos nos seus procedimentos. E é com este intuito, que este

trabalho propõe uma metodologia de avaliação probabilística de risco para cirurgias, sendo

apresentado o caso da histerectomia vaginal. Esta análise aborda tanto os aspectos da

confiabilidade humana como a confiabilidade dos equipamentos utilizados.

No modelo híbrido proposto, a análise de riscos é baseada na integração dos diagramas

de seqüências de eventos, árvore de falhas e redes Bayesianas. Na modelagem os eventos

pivotais dos diagramas de seqüência de eventos relacionados a erros humanos, ou seja,

resultantes diretamente de ações humanas, são modelados via redes Bayesianas,

proporcionando uma representação mais realista da natureza dinâmica destas ações, enquanto

que os eventos pivotais relacionados à falha de equipamentos são modelados via árvores de

falhas. Assim esta metodologia contribui para a melhoria do processo de gerenciamento dos

riscos envolvidos durante a execução da atividade cirúrgica.

Palavras-chave: Análise Probabilística de Risco, Confiabilidade Humana, Diagramas de

Seqüência de Eventos, Redes Bayesianas, Árvores de Falhas, Histerectomia Vaginal.

ABSTRACT

The probabilistic risk analysis is a methodology that identifies, estimates and

quantifies the risks in a several kind of procedures, from systems of high complex technology

to systems that has only a man executing a task. That analysis has the objective to improve the

safety and performance of these processes.

The health area is still wanting of studies that analyses and quantifies the risks

involved in their procedures. With this intention this work proposes a probabilistic risk

assessment methodology to surgeries, presenting the case of vaginal hysterectomy. This

analysis approaches aspects of human reliability and equipments reliability.

In this method, the risk analysis is based in the integration of event sequences

diagrams, fault trees and Bayesian networks. In the model the pivotal events of event

sequences diagrams related to human mistakes, resulting directly from human actions, are

molded by Bayesian networks, providing a more realistic representation of the dynamic nature

of these actions. In other way the pivotal events related to equipments failures are molded by

fault trees. This methodology makes possible to management the risks involved during the

execution of surgery in the end of analysis.

Keywords: Probabilistic Risk Analysis, Human Reliability, Event Sequences Diagrams,

Bayesian Networks, Fault Trees, Vaginal Hysterectomy.

vii

SUMÁRIO

DEDICATÓRIA........................................................................................................................................II

AGRADECIMENTOS.............................................................................................................................IV

RESUMO................................................................................................................................................... V

ABSTRACT..............................................................................................................................................VI

SUMÁRIO .............................................................................................................................................. VII

LISTA DE FIGURAS ............................................................................................................................... X

LISTA DE TABELAS............................................................................................................................ XII

LISTA DE ACRÔNIMOS....................................................................................................................XIV

1 INTRODUÇÃO .................................................................................................................................. 1

1.1 JUSTIFICATIVA............................................................................................................................. 4

1.1.1 Objetivos ........................................................................................................................... 4

2 FUNDAMENTAÇÃO TEÓRICA..................................................................................................... 6

2.1 TIPOS DE INFERÊNCIA .................................................................................................................. 6

2.2 TEOREMA DE BAYES.................................................................................................................... 6

2.3 REDES BAYESIANAS .................................................................................................................... 7

2.3.1 Nós e Valores .................................................................................................................... 8

2.3.2 Estrutura das redes ........................................................................................................... 8

2.3.3 Probabilidades Condicionais............................................................................................ 9

2.3.4 Condição Markoviana....................................................................................................... 9

2.3.5 Aprendizado das redes Bayesianas ................................................................................... 9

2.3.6 Tipos de raciocínio através da rede................................................................................ 10

2.3.7 Independência Condicional............................................................................................. 10

2.3.8 d-Separação .................................................................................................................... 11

2.3.9 Atualização das crenças.................................................................................................. 11

2.3.10 Árvore de Falhas............................................................................................................. 13

2.3.11 Árvore de Eventos ........................................................................................................... 15

2.3.12 Modelagem das probabilidades de falhas de subsistemas de uma árvore de eventos

através de árvores de falhas ........................................................................................................................ 16

2.3.13 Conversão da árvore de eventos em rede Bayesianas..................................................... 17

2.3.14 Tipos de modelagem........................................................................................................ 17

2.4 DIAGRAMA DE SEQÜÊNCIA DE EVENTOS ................................................................................... 19

viii

2.4.1 Cenários .......................................................................................................................... 21

2.4.2 Eventos Iniciadores......................................................................................................... 22

2.4.3 Eventos Pivotais.............................................................................................................. 22

2.4.4 Estado Final.................................................................................................................... 22

2.4.5 Ilustração do Diagrama de Seqüência de Eventos.......................................................... 23

3 ANÁLISE DE CONFIABILIDADE HUMANA............................................................................ 24

3.1 COGNITIVE RELIABILITY AND ERROR ANALYSIS METHOD (CREAM) ...................................... 25

3.2 MODELO IDAC ......................................................................................................................... 25

3.3 FATORES DE DESEMPENHO ........................................................................................................ 26

3.4 DESCRIÇÃO DA TAREFA............................................................................................................. 28

4 HISTERECTOMIA VAGINAL...................................................................................................... 29

4.1 ANATOMIA GENITAL FEMININA ................................................................................................ 29

4.1.1 Genitália Externa............................................................................................................ 29

4.1.2 Genitália Interna............................................................................................................. 30

4.2 HISTÓRICO DA HISTERECTOMIA ................................................................................................ 31

4.3 INDICAÇÕES E CONTRA-INDICAÇÕES PARA O PROCEDIMENTO CIRÚRGICO ................................. 32

4.4 DESCRIÇÃO DO PROCEDIMENTO CIRÚRGICO .............................................................................. 33

5 CARACTERIZAÇÃO DOS RISCOS NO PROCEDIMENTO DE HISTERECTOMIA

VAGINAL .............................................................................................................................................................34

5.1 METODOLOGIA PROPOSTA......................................................................................................... 34

5.1.1 Análise Qualitativa.......................................................................................................... 34

5.1.2 Análise Quantitativa........................................................................................................ 35

5.2 DESCRIÇÃO DA TAREFA PARA O PROCEDIMENTO CIRÚRGICO ..................................................... 37

5.2.1 Etapas da HTA da Cirurgia ............................................................................................ 41

5.3 DESENVOLVIMENTO DE CENÁRIOS E CARACTERIZAÇÃO DAS RELAÇÕES CAUSAIS VIA DSE E AF

DO PROCEDIMENTO CIRÚRGICO.......................................................................................................................... 45

5.3.1 Colocação da Paciente na posição ginecológica............................................................ 46

5.3.2 Assepsia........................................................................................................................... 46

5.3.3 Incisão da mucosa vaginal anterior ao nível da prega vésico-uterino ........................... 47

5.3.4 Incisão da mucosa posterior ao nível da prega retovaginal ........................................... 48

5.3.5 Ligadura do Complexo Ligamentar ................................................................................ 48

5.3.6 Ligadura das Artérias Uterinas....................................................................................... 49

5.3.7 Ligação do Complexo Tubo-Ovariano............................................................................ 50

5.3.8 Fixação do Ângulo Vaginal............................................................................................. 50

5.3.9 Revisão das áreas sangrantes ......................................................................................... 51

5.3.10 Toque Retal ..................................................................................................................... 52

5.4 FATORES DE DESEMPENHO ENVOLVIDOS NO PROCESSO CIRÚRGICO........................................... 52

6 RESULTADOS................................................................................................................................. 56

6.1 COLETA DE DADOS.................................................................................................................... 56

6.1.1 Entrevistas....................................................................................................................... 57

6.2 MODELAGEM PARA REDE BAYESIANA DE PROBABILIDADE DE ERRO DO CIRURGIÃO ................. 57

6.3 MODELAGEM PARA REDE BAYESIANA DA PROBABILIDADE DE ERRO DOS CIRURGIÕES

AUXILIARES ........................................................................................................................................................60

6.4 MÉTODO PROPOSTO DE AVALIAÇÃO PROBABILÍSTICA DO RISCO ................................................ 63

6.4.1 Modelo Integrado Causal Híbrido para Histerectomia Vaginal..................................... 63

6.4.2 Resultados da simulação................................................................................................. 64

6.4.3 Análise de Sensibilidade.................................................................................................. 75

7 CONCLUSÕES ................................................................................................................................ 78

7.1 RESUMO DAS ATIVIDADES ......................................................................................................... 78

7.2 A METODOLOGIA CAUSAL HÍBRIDA............................................................................................ 80

7.3 DESAFIOS PARA TRABALHOS FUTUROS ...................................................................................... 81

REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................................... 82

LISTA DE FIGURAS

FIGURA 2.1 - CAMINHOS DE UMA REDE BAYESIANA ................................................................................................ 7

FIGURA 2.2 - REDES BAYESIANAS PARA DIAGNÓSTICO DE CÂNCER DE PULMÃO ...................................................... 8

FIGURA 2.3 - ÁRVORE DE FALHAS.......................................................................................................................... 14

FIGURA 2.4 - EXEMPLO DE ÁRVORE DE EVENTOS .................................................................................................. 15

FIGURA 2.5 - ÁRVORE DE FALHAS DOS SUBSISTEMAS S1, S2 E S3 ......................................................................... 16

FIGURA 2.6 - CONVERSÃO DA ÁRVORE DE EVENTOS EM REDE BAYESIANA ............................................................ 17

FIGURA 2.7 - REDE BAYESIANA COM EVENTOS INDEPENDENTES............................................................................ 18

FIGURA 2.8 - REDE BAYESIANA COM EVENTOS PARCIALMENTE DEPENDENTES...................................................... 18

FIGURA 2.9 - REDE BAYESIANA COM EVENTOS TOTALMENTE DEPENDENTES......................................................... 19

FIGURA 2.10 - DESCRIÇÃO DO CENÁRIO EM ACH .................................................................................................. 22

FIGURA 2.11 - CONCEITO DE DIAGRAMA DE SEQÜÊNCIA DE EVENTOS .................................................................. 23

FIGURA 2.12 - REPRESENTAÇÃO DO DSE DA FIGURA 2.11 ATRAVÉS DE UMA ÁRVORE DE EVENTOS...................... 23

FIGURA 4.1 – REPRESENTAÇÃO DA GENITÁLIA EXTERNA...................................................................................... 30

FIGURA 4.2 – REPRESENTAÇÃO DA GENITÁLIA INTERNA ....................................................................................... 31

FIGURA 5.1 – METODOLOGIA PROPOSTA................................................................................................................ 34

FIGURA 5.2 – MODELO DE INTEGRAÇÃO CAUSAL HÍBRIDO ..................................................................................... 37

FIGURA 5.3 - HTA DA CIRURGIA DE HTV.............................................................................................................. 39

FIGURA 5.4 - HTA DO PROCEDIMENTO CIRÚRGICO ............................................................................................... 39

FIGURA 5.5 - HTA DO PROCEDIMENTO ANESTÉSICO ............................................................................................. 40

FIGURA 5.6 - HTA DESCRIMINADA DO PROCEDIMENTO CIRÚRGICO ....................................................................... 40

FIGURA 5.7 - DSE DA COLOCAÇÃO DA PACIENTE NA POSIÇÃO GINECOLÓGICA ...................................................... 46

FIGURA 5.8 - DSE DA ASSEPSIA DA PACIENTE ....................................................................................................... 47

FIGURA 5.9 - DSE INCISÃO DA MUCOSA VAGINAL ANTERIOR............................................................................... 47

FIGURA 5.10 - DSE DA INCISÃO DA MUCOSA POSTERIOR ...................................................................................... 48

FIGURA 5.11 - DSE DA LIGADURA DO COMPLEXO LIGAMENTAR........................................................................... 49

FIGURA 5.12 - PINÇA DE HEANEY .......................................................................................................................... 49

FIGURA 5.13 - DSE DA LIGADURA DAS ARTÉRIAS UTERINAS ................................................................................ 50

FIGURA 5.14 - DSE DA LIGAÇÃO DO COMPLEXO TUBO-OVARIANO....................................................................... 50

FIGURA 5.15 - DSE DA FIXAÇÃO DO ÂNGULO VAGINAL......................................................................................... 51

FIGURA 5.16 - DSE DA REVISÃO DAS ÁREAS SANGRANTES.................................................................................... 51

FIGURA 5.17 - DSE DO TOQUE RETAL .................................................................................................................... 52

FIGURA 5.18 - RB DOS CIRURGIÕES AUXILIARES................................................................................................... 54

FIGURA 5.19 - RB DO CIRURGIÃO .......................................................................................................................... 54

FIGURA 6.1 - FD DO CIRURGIÃO ............................................................................................................................ 58

FIGURA 6.2 - PROBABILIDADES DE ERRO DO CIRURGIÃO ....................................................................................... 60

FIGURA 6.3 - FD DOS AUXILIARES.......................................................................................................................... 61

FIGURA 6.4 - PROBABILIDADES DOS NÓS RAÍZES.................................................................................................... 61

FIGURA 6.5 - PROBABILIDADES DE ERRO DOS AUXILIARES .................................................................................... 63

FIGURA 6.6 - MODELO INTEGRADO CAUSAL HÍBRIDO PARA HISTERECTOMIA VAGINAL......................................... 63

FIGURA 6.7 - PROBABILIDADE DOS ESTADOS FINAIS DA ETAPA DO DSE DA FIGURA 5.7 ........................................ 64

FIGURA 6.8 - PROBABILIDADE DOS ESTADOS FINAIS DO DSE DA FIGURA 5.9......................................................... 66

FIGURA 6.9 - RB CIRURGIÃO.................................................................................................................................. 66

FIGURA 6.10 - RB AUXILIARES .............................................................................................................................. 66

FIGURA 6.11 - PROBABILIDADE DOS ESTADOS FINAIS DO DSE FIGURA 5.10 .......................................................... 67

FIGURA 6.12 - PROBABILIDADE DOS ESTADOS FINAIS DO DSE FIGURA 5.11 - DSE DA LIGADURA DO COMPLEXO

LIGAMENTAR................................................................................................................................................ 68

FIGURA 6.13 - ÁRVORE DE FALHAS COM EVENTO TOPO FALHA NA APLICAÇÃO DO BISTURI .................................. 70

FIGURA 6.14 - PROBABILIDADE DOS ESTADOS FINAIS DA FIGURA 5.13 .................................................................. 71

FIGURA 6.15 - PROBABILIDADE DOS ESTADOS FINAIS DA FIGURA 5.14 .................................................................. 72

FIGURA 6.16 - PROBABILIDADE DOS ESTADOS FINAIS DA FIGURA 5.15 .................................................................. 73

FIGURA 6.17 - PROBABILIDADE DOS ESTADOS FINAIS DA FIGURA 5.16 .................................................................. 74

FIGURA 6.18 - PROBABILIDADE DOS ESTADOS FINAIS DA FIGURA 5.17 .................................................................. 74

FIGURA 6.19 - COMPARATIVO DAS PROBABILIDADES DOS ESTADOS FINAIS DO DSE DA FIGURA 5.9...................... 75

FIGURA 6.20 – COMPARATIVO DAS PROBABILIDADES DOS ESTADOS FINAIS DO DSE DA FIGURA 5.10 ................... 76

xii

LISTA DE TABELAS

TABELA 2.1 – TABELA DE PROBABILIDADES CONDICIONAIS DO ESTADO FINAL S3................................................. 19

TABELA 2.2 - TABELA DE PROBABILIDADES CONDICIONAIS PARA FALHA DO SISTEMA........................................... 19

TABELA 2.3 - SIMBOLOGIA PARA OS EVENTOS DO DSE.......................................................................................... 20

TABELA 2.4 - SIMBOLOGIAS DOS CONDICIONAIS DO DSE ...................................................................................... 20

TABELA 2.5 - SIMBOLOGIAS DAS PORTAS DO DSE ................................................................................................. 21

TABELA 3.1 – FATORES DE DESEMPENHO (SWAIN & GUTTMANN, 1983)............................................................... 27

TABELA 5.1 - COLOCAÇÃO DA PACIENTE NA POSIÇÃO GINECOLÓGICA.................................................................. 41

TABELA 5.2 - ASSEPSIA DA PACIENTE .................................................................................................................... 41

TABELA 5.3 - INCISÃO DA MUCOSA VAGINAL ANTERIOR ....................................................................................... 42

TABELA 5.4 - INCISÃO DA MUCOSA VAGINAL POSTERIOR....................................................................................... 42

TABELA 5.5 - LIGADURA DO COMPLEXO LIGAMENTAR.......................................................................................... 43

TABELA 5.6 - LIGADURA DAS ARTÉRIAS UTERINAS ............................................................................................... 43

TABELA 5.7 - LIGAÇÃO DO COMPLEXO TUBO-OVARIANO ...................................................................................... 43

TABELA 5.8 - FIXAÇÃO DO ÂNGULO VAGINAL....................................................................................................... 44

TABELA 5.9 - REVISÃO DE ÁREAS SANGRENTAS .................................................................................................... 44

TABELA 5.10 - TOQUE RETAL................................................................................................................................ 45

TABELA 6.1- TABELA DE PROBABILIDADES DOS NÓS FOLHA ................................................................................. 57

TABELA 6.2 - TPC DOS FATORES EXTERNOS DADO DESIGN DO EQUIPAMENTO (DE) E CONDIÇÕES AMBIENTAIS (CA)

..................................................................................................................................................................... 58

TABELA 6.3 - TPC DA FADIGA DADO FATORES EXTERNOS (FE) E CARGA DE TRABALHO (CT) ............................... 58

TABELA 6.4 - TPC DA ATENÇÃO DADO FADIGA (FA) E ESTADO EMOCIONAL (EE) ................................................. 58

TABELA 6.5 - TPC DA CAPACIDADE DE EXECUTAR A TAREFA (CET) DADO ATENÇÃO (AT) E PRECISÃO (PR) ....... 59

TABELA 6.6 - TPC DA EXECUÇÃO DA TAREFA EM EQUIPE (ETE) DADO CET E IDENTIFCAÇÃO DO GRUPO DE

TRABALHO (IG) ............................................................................................................................................ 59

TABELA 6.7- TPC DO CIRURGIÃO DADO ETE E A EXEPERIÊNCIA (EX) DO MESMO................................................. 59

TABELA 6.8 - TABELA DE PROBABILIDADES DOS NÓS FOLHA ................................................................................ 60

TABELA 6.9 - TPC DOS FATORES EXTERNOS DADO DESIGN DO EQUIPAMENTO (DE) E CONDIÇÕES AMBIENTAIS (CA)

..................................................................................................................................................................... 62

TABELA 6.10 - TPC DA FADIGA DADO FATORES EXTERNOS (FE) E CARGA DE TRABALHO (CT) ............................. 62

TABELA 6.11 - TPC DA ATENÇÃO DADO FADIGA (FA) E ESTADO EMOCIONAL (EE) ............................................... 62

TABELA 6.12 - TPC DA CAPACIDADE DE EXECUÇÃO DA TAREFA EM EQUIPE (ETE) DADO ATENÇÃO E

IDENTIFICAÇÃO COM O GRUPO DE TRABALHO (IG) ....................................................................................... 62

TABELA 6.13 - TPC DO CIRURGIÃO AUXILIAR DADO ETE E A EXEPERIÊNCIA (EX) DO MESMO .............................. 62

TABELA 6.14 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.7 ................................................................... 64

TABELA 6.15 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.9 ................................................................... 65

TABELA 6.16 - RESULTADO DA MODELAGEM DO DSE FIGURA 5.10 ...................................................................... 67

TABELA 6.17 - RESULTADO DA MODELAGEM DO DSE FIGURA 5.11 - DSE DA LIGADURA DO COMPLEXO

LIGAMENTAR................................................................................................................................................ 68

xiii

TABELA 6.18 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.13 ................................................................. 70

TABELA 6.19 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.14 ................................................................. 71

TABELA 6.20 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.15 ................................................................. 72

TABELA 6.21 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.16 ................................................................. 73

TABELA 6.22 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.17 ................................................................. 74

TABELA 6.23 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.9 DADO NÍVEL DE EXPERIÊNCIA DO CIRURGIÃO

ADEQUADO ................................................................................................................................................... 75

TABELA 6.24 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.10 DADO NÍVEL DE EXPERIÊNCIA DO

CIRURGIÃO ADEQUADO................................................................................................................................. 76

TABELA 6.25 - RESULTADO DA MODELAGEM DO DSE DA FIGURA 5.10 DADO A EVIDÊNCIA QUE A FADIGA NÃO

ESTÁ PRESENTE NA RB DO CIRURGIÃO.......................................................................................................... 76

xiv

LISTA DE ACRÔNIMOS

ACH- Análise de Confiabilidade Humana

AE- Árvore de Eventos

AF- Árvore de Falhas

BEL- Bayesian Belief (Crença Bayesiana)

CPC- Common Performace Conditions

CREAM- Cognitive Reliability and Error Analysis Method (Método de Análise de Erros e

Confiabilidade Cognitiva)

DAG- Directed Aciclic Graph (Grafo Acíclico Direcionado)

DG- Directed Graph (Grafo Direcionado)

DSE- Diagrama de Seqüência de Eventos

DS- D-Separation (D-Separação)

EF- Estado Final

EI- Evento Iniciador

EMH- Equipamentos Médico Hospitalares

EP- Evento Pivotal

ET- Evento Topo

FD- Fator de desempenho

HA- Histerectomia Abdominal

HTA- Hierarchical Task analysis

HV- Histerectomia Vaginal

IDAC- Identification, Decision And Action in Crew (Identificação, Decisão e Ação em

Grupo)

IMIP- Instituto Materno Infantil de Pernambuco

RB- Rede Bayesiana

TPC – Tabela de Probabilidades Condicionais

UTI- Unidade de Terapia Intensiva

Capítulo 1 Introdução

1 INTRODUÇÃO

A Histerectomia é um dos procedimentos cirúrgicos mais realizados no mundo

atualmente e é a segunda operação de grande porte mais realizada nos Estados Unidos, desde

o início da década de 90, conforme Wilcox et al. (1994). A técnica convencional, que é

invasiva ao paciente, inclui a abertura da parede abdominal para acessar o órgão e extirpá-lo.

Em contrapartida a essa técnica invasiva, foi desenvolvida a Histerectomia Vaginal (HV) na

ausência de prolapso, que consiste na retirada do útero através da vagina sem a necessidade de

incisão abdominal.

Kovac (2000) comprova que os resultados da Histerectomia por via vaginal são bem

mais satisfatórios do que aqueles feitos por via abdominal. O tempo de permanência no

hospital das pacientes submetidas ao procedimento de HV, foi de 2,76 ± 0,94 dias contra 3,99

± 1,16 dias (p<0,001), sendo p o p-valor (Bussab & Morettin, 2003), daquelas submetidas à

cirurgia convencional. Fato que comprova que as pacientes de HV custam menos aos

hospitais do que as de Histerectomia Abdominal (HA). Um outro dado importante da pesquisa

é que a chance de uma paciente apresentar um ou mais tipos de complicações pós-operatórias

é de 9,3% para pacientes de HA enquanto que para a HV o percentual de complicações é de

5,3% com p<0,001. No tocante aos casos de infecção ou febre pós-operatória os percentuais

são 4,0% versus 0,8% com p=0,029 para o caso de HA contra os de HV. Resultados bastante

semelhantes podem ser encontrados nos estudos feitos por Costa et al. (2003) no Instituto

Materno Infantil de Pernambuco (IMIP).

Devido aos fatos supra mencionados a HV tornou-se a técnica Gold Standard, ou seja,

a primeira opção de procedimento cirúrgico dentre todas as técnicas de histerectomia.

Contudo, apesar da HV ser atualmente a principal opção de técnica cirúrgica para

retirada do útero, a mesma não está isenta de falhas. De fato, os relatos de problemas mais

freqüentemente encontrados são as lesões acidentais. Estas podem acontecer em diferentes

etapas da cirurgia e conseqüentemente em diferentes locais, como lesões de bexiga,

intestinais, uretrais e ovarianas. Outra intercorrência cirúrgica referida pelos ginecologistas é a

exteriorização da vagina, mais conhecida como prolapso de cúpula vaginal, decorrente de

uma fixação não adequada do ângulo vaginal.

Apesar de todos esses relatos de problemas que ocorrem durante a execução do

procedimento cirúrgico, ainda não existem trabalhos de avaliação destes riscos. Existem sim,

diversos estudos que analisam o risco de uma cirurgia baseado na avaliação dos pacientes no

Capítulo 1 Introdução

seu pós-operatório, como se pode observar em Karlson (1997) ou em Costa et al. (2003), onde

ambos descrevem os riscos associados ao procedimento cirúrgico baseados nas probabilidades

de quadros clínicos desfavoráveis à paciente, detectados no pós-operatório das mesmas. Ou

seja, estes trabalhos, fazendo uso de uma análise frequencista, as probabilidades de cada tipo

de quadro clínico desfavorável ao procedimento são encontradas pela razão de pacientes que

apresentaram tal quadro e a quantidade total de pacientes submetidas ao procedimento

cirúrgico.

Uma outra linha de pesquisa é apresentada por Dierks & Nouri (2006), que avalia, de

forma macro, o risco de procedimentos cirúrgicos ao longo de todas as fases do processo,

como pré-operatório, intra-operatório e pós-operatório. Nesse trabalho modelam-se as

interações entre as fases e os fatores que nelas influenciam, utilizando para tal, ferramentas

como diagramas de seqüências de eventos e árvores de falha. Contudo, o trabalho de Dierks &

Nouri também não avalia os riscos durante a execução da cirurgia. Nem tampouco quantifica

os erros associados à execução das tarefas pelos cirurgiões.

Dessa forma, tendo em vista este contexto ainda não explorado da avaliação e

quantificação dos riscos durante a execução das cirurgias que é apresentado e justificado este

trabalho. No presente estudo é proposta uma metodologia para mapear a cirurgia e

desenvolver um procedimento de análise para identificação das chances de falha e suas causas

associadas. Tomando-se como base a opinião de especialistas consultados, os quais relatam

que os problemas supra-citados são causados em sua grande maioria por erros humanos, que

estão relacionadas diretamente a vários fatores, como por exemplo, a fadiga do cirurgião, a

experiência e o entrosamento da equipe cirúrgica.

Esta metodologia tem como foco principal o aspecto da confiabilidade humana. Porém,

também analisa aspectos relacionados à confiabilidade dos equipamentos médico-hospitalares

utilizados durante o processo, que podem contribuir com os riscos do procedimento cirúrgico.

Assim, consegue-se identificar quais pontos ou etapas devem ser modificadas e/ou

melhoradas de forma a minimizar as probabilidades de erro humano e falhas em

equipamentos, contribuindo para a mitigação ou erradicação dos riscos.

A metodologia proposta neste trabalho para a análise probabilística de risco em

procedimentos cirúrgicos tem como foco de avaliação o caso da histerectomia vaginal.

O modelo probabilístico de risco desenvolvido é híbrido, pois é baseado na integração

dos Diagramas de Seqüências de Eventos (DSE), Árvore de Falhas (AF) e Redes Bayesianas

(RB). Nesta modelagem os eventos pivotais dos DSEs relacionados a erros humanos, ou seja,

Capítulo 1 Introdução

resultantes diretamente de ações humanas, são modelados via redes Bayesianas, enquanto que

os eventos pivotais relacionados à falha de equipamentos são modelados via árvore de falhas.

Possibilita-se, ao final da análise, quantificar em termos probabilísticos os erros humanos e as

falhas nos equipamentos que influenciam os resultados dos procedimentos cirúrgicos.

Capítulo 1 Introdução

1.1 Justificativa

1.1.1 Objetivos

1.1.1.1 Objetivo Geral

Desenvolver uma metodologia para avaliação probabilística de risco na área de saúde,

onde esta avaliação é proposta para um procedimento cirúrgico. Essa é uma metodologia

genérica, que pode ser usada em qualquer cirurgia. Entretanto, este trabalho faz um estudo de

caso para a Histerectomia Vaginal Total.

O modelo desenvolvido engloba o contexto da Análise de Confiabilidade Humana,

modelados por redes bayesianas, com os já tradicionais métodos de avaliação de

confiabilidade de equipamentos, realizados por meio de árvores de falhas.

1.1.1.2 Objetivos Específicos

• Revisão da técnica cirúrgica de Histerectomia Vaginal Total;

• Descrição das tarefas das atividades do procedimento de Histerectomia Vaginal

Total;

• Identificação dos fatores de desempenho pertinentes à equipe cirúrgica durante a

execução do procedimento;

• Identificação dos estados finais (sucesso ou tipos de falha) em cada passo do

procedimento cirúrgico;

• Elaboração, a partir da análise hierárquica da tarefa, dos diagramas de seqüência

de eventos para cada etapa da cirurgia;

• Caracterização dos erros provenientes dos estados finais das tarefas lincando-os

com as devidas causas ou causadores;

• Desenvolvimento de um novo modelo de confiabilidade humana baseado em redes

Bayesianas para avaliação das ações da equipe cirúrgica durante o procedimento

de Histerectomia Vaginal;

• Desenvolvimento da Confiabilidade dos equipamentos médico-hospitalares

utilizados durante o procedimento, através da modelagem da árvore de falhas dos

mesmos.

• Elaboração do modelo causal híbrido que integra os Diagramas de Seqüência de

Eventos, com as redes Bayesianas e as árvores de falhas, para a avaliação

Capítulo 1 Introdução

probabilística de risco das ações da equipe cirúrgica, e a confiabilidade dos

equipamentos envolvidos no procedimento.

• Elaboração do questionário para elicitação da opinião de especialistas sobre as

probabilidades pertinentes ao modelo de confiabilidade humana baseado em redes

Bayesianas;

• Simulação do modelo híbrido envolvendo os diagramas de seqüência de eventos,

árvore de falhas e redes Bayesianas para a avaliação probabilística de risco para

cada etapa do procedimento cirúrgico. Obtendo-se os cenários para cada etapa,

com os respectivos valores das probabilidades dos estados finais.

Capítulo 2 Fundamentação Teórica

2 FUNDAMENTAÇÃO TEÓRICA

Nos tópicos abaixo são descritos os temas necessários para elaboração e apresentação da

metodologia híbrida de avaliação probabilística de risco para cirurgia .

2.1 Tipos de Inferência

Existem duas escolas diferentes sobre a maneira de se inferir sobre as probabilidades

dos eventos. A primeira escola é a frequencista, onde se encontram as probabilidades pela

razão entre os casos favoráveis e a quantidade total dos experimentos realizados. Enquanto na

segunda escola, a Subjetiva, além das informações provenientes dos experimentos,

acrescenta-se ao valor das probabilidades o grau de crença ou conhecimento do analista em

relação ao evento. Essa escola é também chamada de Bayesiana por se utilizar do Teorema de

Bayes para atualizar o grau de crença dado que uma nova evidência foi apresentada.

2.2 Teorema de Bayes

Sejam dois eventos A e B, tal que:

P(A)>0 e P(B)>0:

( | ) ( )

( | )

( )

P B A P A

P A B

P B

= Equação 2.1

onde P(A) é a probabilidade a priori do evento A;

P(B|A) é a verossimilhança da evidência B, assumindo a ocorrência do evento A;

P(A|B) é a probabilidade a posteriori de A dado B.

A fim de ajudar nos cálculos posteriores pode-se escrever o Teorema de Bayes da

seguinte forma:

P(A|B)=αP(A)λ(A) Equação 2.2

Onde

( )

P B

= e λ(A)=P(B|A).

Quando a inferência Bayesiana envolve apenas duas variáveis ela é relativamente

simples, entretanto quando a quantidade de variáveis se eleva, a inferência torna-se complexa

e sem valor prático (Neapolitan, 2003). Assim a solução encontrada para tratar de sistemas

mais complexos são as Redes Bayesianas.

Capítulo 2 Fundamentação Teórica

2.3 Redes Bayesianas

Redes Bayesianas são estruturas gráficas que permitem representar razões ou

argumentos no domínio da incerteza (Korb & Nicholsom, 2003).

As estruturas gráficas em questão são os Grafos Direcionados (DG), que são definidos

como um par (V,B), onde V é um conjunto não vazio cujos elementos são chamados de nós

ou vértices, enquanto B são elementos denominados de arcos ou arestas, e se um par (Y,X)

∈

B, significa que existe um arco de Y para X . Entretanto uma Rede Bayesiana tem uma

estrutura um pouco mais peculiar que são Grafos Acíclicos Direcionados (DAG), ou seja, os

seus arcos não podem formar ciclos.

Numa rede Bayesiana os nós representam um conjunto de variáveis aleatórias. O

conjunto dos arcos conectam pares de nós, e representam dependências diretas entre as

variáveis. Estas conexões direcionadas são sempre causais, de forma que a direção dos arcos

correspondem a uma relação de causa e efeito entre os nós. O poder dessa relação é descrito

por probabilidades condicionais sobre cada uma das variáveis da rede, dados os valores

específicos dos seus causadores diretos.

A definição genealógica da estrutura de uma rede Bayesiana também é de suma

importância para a sua correta compreensão. Dado um DAG formado por, G=(V,B), e o par

(Y,X)

∈

B, Y é pai de X e X é filho de Y se houver um único arco de Y para X. Pode-se então

fazer uma generalização do conceito, Y é ancestral de X e X é descendente de Y, se houver

um caminho de Y a X, podendo existir neste caminho mais de um arco, e conseqüentemente

mais de um nó separando ambos. Um outro conceito é o de nó raiz, chamado desta forma

aquele nó que não possui nenhum ancestral. O exemplo abaixo ilustra os conceitos acima

apresentados.

Figura 2.1 - Caminhos de uma rede Bayesiana

(a) (b) (c)

Capítulo 2 Fundamentação Teórica

No caso (a) da Figura 2.1 temos que Z é pai e não descendente de Y, e Y é filho e

descendente de Z. Para X temos que ele é descendente de Z, e Z é ancestral e não descendente

de X. Z é um nó raiz para esse DAG. As mesmas leituras são feitas para o caso (b), entretanto

onde acima lia-se Z passa-se a ler X e vice-versa. Já para o caso (c) temos que Y é pai e não

descendente de X e Z, e X e Z são filhos e descendentes de Z. Y é a única raiz do DAG.

2.3.1 Nós e Valores

O primeiro passo para a montagem de uma rede Bayesiana é a identificação das

variáveis de interesse. Isso envolve, segundo Korbs & Nicholson (2003), a resposta a duas

perguntas: Quais são os nós a serem representados? Quais valores eles podem assumir?

Os valores devem ser mutuamente exclusivos e exaustivos. Isso significa que as

variáveis devem assumir apenas um valor num determinado tempo t. Os tipos mais comuns de

nós são o Boleanos, onde o nó assume duas proposições: verdadeiro ou falso, os nós de

valores ordenados, que assumem por exemplo valores como alto, médio e baixo, e por último

os nós de faixa de valores, onde suas proposições são faixas de valores, um exemplo pode ser

o nó Peso, que pode ir de 30 a 100 Kg.

2.3.2 Estrutura das redes

A estrutura, ou topologia, da rede deve capturar as relações qualitativas entre as

variáveis. Isto se dá da seguinte forma: dois nós devem ser conectados diretamente se uma

deles afeta o outro, e a flecha deve estar indicando a direção deste efeito.

O exemplo de uma rede bayesiana do diagnóstico de câncer de pulmão, ilustrado

abaixo, ajuda na interpretação dos conceitos mencionados acima.

Figura 2.2 - Redes Bayesianas para diagnóstico de câncer de pulmão

Como vemos na Figura 2.2, a exposição do paciente à poluição e o fato de ele ser ou

não fumante afetam a chance de se ter câncer de pulmão, portanto os arcos são direcionados

Capítulo 2 Fundamentação Teórica

dos nós “Poluição”e “Fumante” para o nó “Câncer”. Já o nó “Câncer” afeta tanto o resultado

do Raio-X, quanto o nó que representa a dificuldade de respirar do paciente, “Dispnéia”.

2.3.3 Probabilidades Condicionais

A partir do momento em que a topologia da rede já esteja totalmente definida, parte-se

para a etapa de quantificação das relações entre os nós conectados. Esta é feita especificando-

se a distribuição de probabilidades condicionais de cada nó. Para valores discretos, é

construída uma Tabela de Probabilidades Condicionais (TCP). O número de probabilidades

existentes numa TPC depende do número de valores que o nó pode assumir bem como a

quantidade de pais que este nó possua. Para variáveis dicotômicas, onde a variável assume

apenas dois valores, o número de probabilidades da TPC é dada por:

de probabilidades de uma TPC=2

n+1

Equação 2.3

Entretanto antes de descrever as equações que regem os cálculos das probabilidades das

redes é interessante introduzir mais alguns conceitos sobre as redes Bayesianas.

2.3.4 Condição Markoviana

Definição 2.1 Seja P a distribuição de probabilidade conjunta das variáveis aleatórias de

um conjunto V e seja um DAG = (V,B). É dito que o par (G,P) satisfaz à condição

Markoviana se para cada V, onde X

∈

V, X é condicionalmente independente de todas as

variáveis que compõem o conjunto dos seus não descendentes, dados os valores das variáveis

que compõem seu conjunto de pais. Ou, em notação probabilística, {X} ind ND(X)|PA(X)

onde ND(X) refere-se ao conjunto de não descendentes de X e PA(X) ao seu conjunto de pais.

Em outras palavras a Condição Markoviana retrata a falta de memória do processo, ou

seja, quando se sabe o atual estado do processo, informações anteriores são irrelevantes nas

inferências sobre o seu estado futuro. Assim as Redes Bayesianas utilizam a Condição

Markoviana para considerar um nó raiz independente de seus não descendentes. Dessa forma

só existe dependência direta entre dois nós quando os mesmos estiverem ligados por um arco.

2.3.5 Aprendizado das redes Bayesianas

Quando uma nova informação (evidência) é introduzida no processo, queremos saber

como a variável que está sendo observada se comporta, ou seja, como esta nova informação

altera o valor da variável. Esta alteração é chamada de atualização de crença, e é feita via

“fluxo”de informações através da rede.

Capítulo 2 Fundamentação Teórica

2.3.6 Tipos de raciocínio através da rede

Diagnóstico: quando o raciocínio é feito dos sintomas para as causas. No exemplo da

Figura 2.2 a evidência em questão é o paciente apresentar Dispnéia. Assim o médico com esse

novo dado em mão vai atualizar sua crença sobre o Câncer no paciente. No raciocínio

Diagnóstico o “fluxo” de informações segue o sentido contrário dos arcos.

Preditivo: as informações seguem o fluxo dos arcos, as novas evidências são causas que

atualizam os valores dos efeitos. Como exemplo pode-se citar o caso em que o paciente

chegue ao médico e diga que é fumante, com isso o médico atualiza a chance de Câncer no

paciente.

Efeito de causa comum: é representado por uma estrutura em “V” na rede. No caso do

exemplo da Figura 2.2, as causas “Poluição”e “Fumante” têm o mesmo efeito o “Câncer”.

Inicialmente, segundo o modelo, as causas são independentes uma das outras, entretanto a

condição Markoviana é quebrada pois a partir do momento em que se sabe, por exemplo, que

dado que o efeito está comprovado (paciente com câncer), e que é evidenciada uma das

causas, a outra causa tende a ter sua probabilidade diminuída. Esse efeito é conhecido como

explaining away ou ativação de dependências.

2.3.7 Independência Condicional

Retomando ao caso (a) da Figura 2.1, em que a rede apresenta uma estrutura de três nós,

onde Z causa Y e Y causa X, diz-se baseado na condição Markoviana, que a probabilidade de

X|Y é a mesma probabilidade de X|(Y

Z), ou seja, a ocorrência de Z não altera a crença

sobre X, dado que já se sabe que Y ocorreu. Dessa forma X é condicionalmente independente

de Z, em notação probabilística {X}ind{Z}|{Y}.

O caso da letra (c) da

Figura 2.1 mostra a independência condicional de X em relação a Z, dado a ocorrência

de Y ({X}ind{Z}|{Y}). A explicação para este fato vem de que X e Z têm causa comum Y,

se não existirem evidências em relação à Y, então o fato de um dos dois efeitos estarem

presentes, altera a probabilidade de Y, o que conseqüentemente altera a probabilidade sobre o

outro efeito. Todavia se já se sabe sobre Y, o fato de um dos efeitos estar presente, como por

exemplo o efeito X, não acrescenta nada sobre a probabilidade de se ter ou não Z.

Capítulo 2 Fundamentação Teórica

2.3.8 d-Separação

As independências condicionais explicadas acima, são propriedades dos DAGs

conhecidas como d-Separação. A d-Seperação, onde o d se refere a direction-dependence,

interrompe o fluxo de dependências entre dois subconjuntos disjuntos a partir de um terceiro

subconjuntos disjuntos deles. No exemplo do caso (a) da

Figura 2.1, vê-se que o bloqueio de informações é feito pelo nó Y, assim tem-se que os

nós Z e X são d-separáveis, que em notação é representado por

{X}ds{Z}|{Y}

. Para o caso

três da mesma figura, se não houver indicações sobre Y, existe uma interrupção no fluxo de

informações entre Z e X, tornando

{X}ds{Z}|{Y}

. Porém quando existem indicações a

respeito de Y, automaticamente a relação de dependência entre Z e X é ativada.

2.3.9 Atualização das crenças

Supondo-se que a letra (a) da

Figura 2.1, refere-se ao caso em que um paciente esteja em uma Unidade de Terapia

Intensiva (UTI), e utiliza um respirador para auxiliar suas funções respiratórias. Além deste

equipamento o paciente está conectado também a um outro equipamento que monitoriza a

concentração de O

no sangue, chamado de oxímetro. Essa concentração de oxigênio no

sangue é medida através de um parâmetro chamado saturação de O

, ou seja, o percentual de

no sangue naquele dado instante. Um valor típico para uma pessoa saudável varia de 96%

a 100% de saturação.

Num determinado momento o médico visualiza o display do oxímetro e vê que o

paciente apresenta uma saturação abaixo do desejável. Entretanto o médico não confia

totalmente no equipamento e resolve fazer um exame de gasimetria no paciente, onde é

retirado uma certa quantidade de sangue do paciente, e este é analisado quimicamente,

indicando assim a concentração de oxigênio no sangue do paciente.

É importante salientar que cada um dos métodos acima mencionados têm uma

confiabilidade determinada pelos respectivos fabricantes dos equipamento e os valores

mostrados abaixo são meramente ilustrativos não retratando a realidade desses números, mas

são dispostos dessa maneira para facilitar o entendimento do exemplo.

Assim para modelar-se uma rede Bayesiana para este exemplo toma-se a baixa

saturação de O

como o nó Z, dessa forma P(Z) é a probabilidade do paciente ter saturação

Capítulo 2 Fundamentação Teórica

abaixo do tolerável, devido a algum problema no respirador

ou da entubação do paciente. A

indicação da saturação dada pelo oxímetro como o nó Y, sendo P(Y) a probabilidade da

indicação dada pelo oxímetro ser real. O resultado do exame químico como o nó X, com P(X)

a probabilidade do exame estar correto. No exemplo só são consideradas duas categorias para

todas as variáveis, verdadeiro (0) e falso (1).

Pela experiência do analista, aqui denotado pelo médico, obtém-se as seguintes

probabilidades a priori: P(Z=0)=0,05 e P(Z=1)=0,95 e a TPC tem os seguintes valores:

P(Y=0|Z=0)=0,9 , P(Y=1|Z=0)=0,1 , P(Y=0|Z=1)=0,2 , P(Y=1|Z=1)=0,8.

Num determinado momento o médico olha a indicação do oxímetro e vê que o mesmo

indica que o paciente está com a saturação abaixo do aceitável. Assim tem-se uma evidência

de Y=Verdadeiro (0). O cálculo para a atualização de crenças a partir desta evidência é

mostrado a seguir, onde Bel refere-se a crença em relação sobre a variável dada a evidência.

De acordo com a P(A|B)=αP(A)λ(A)

Equação 2.2:

( 0| 0)

Bel Z Y

= =

P(Z=0)

(Z=0)

que pode ser reduzido a:

Bel(Z=0)=

P(Z=0)

(Z=0)

Bel(Z=0)=

x0,05x0,9

Bel(Z=0)=0,045

Fazendo-se o mesmo raciocínio para o caso em que a variável assume o valor de 1:

Bel(Z=1)=

P(Z=1)

(Z=1)

Bel(Z=1)=

x0,95x0,2

Bel(Z=1)=0,19

O valor de

é então calculado por:

Bel(Z=0) + Bel(Z=1)=1=0,045

+ 0,19

Assim

=4,26

Desta forma atualizou-se as crenças obtendo os seguintes resultados:

Bel(Z=0)=0,191 e Bel(Z=1)=0,809

Respirador – equipamento também conhecido como ventilador mecânico, utilizado para dar suporte à vida à

pacientes que têm suas funções respiratórias prejudicadas (incapacitados de realizar o cilco respiratóio

espontaneamente), fornecendo-os ciclos respiratórios artificiais.

Capítulo 2 Fundamentação Teórica

Portanto, com a evidência do oxímetro mostrar que a saturação do paciente estava

abaixo do tolerável, a chance do paciente realmente não estar recebendo a quantidade de

oxigênio esperada sobe dos iniciais 0,05 para 0,191.

Suponha agora que só temos o resultado da gasimetria, e que por algum motivo não o

valor apresentado pelo oxímetro não pode ser lido. Uma nova TPC é montada a partir da

experiência do médico, representada pela possibilidade de inacurácia na gasimetria.

P(X=0|Y=0)=0,95 , P(X=1|Y=0)=0,05 , P(X=0|Y=1)=0,15 , P(X=1|Y=1)=0,85

Dado que o teste de gasimetria deu verdadeiro para baixa saturação, uma nova evidência

foi introduzida na rede:

(Z=0)=P(X=0|Y=0)P(Y=0|Z=0)+P(X=0|Y=1)P(Y=1|Z=0)

(Z=0)=0,95x0,9+0,15x0,1=0,87

Bel(Z=0)=

P(Z=0)

(Z=0)=

x0,05x0,87=0,0435

Calculando agora para Z=1:

(Z=1)=P(X=0|Y=0)P(Y=0|Z=1)+P(X=0|Y=1)P(Y=1|Z=1)

(Z=0)=0,95x0,2+0,15x0,8=0,31

Bel(Z=1)=

P(Z=1)

(Z=1)=

x0,95x0,31=0,2945

Como:

Bel(Z=0) + Bel(Z=1)=1=0,0435

+ 0,2945

Bel(Z=0)=0,129 e Bel(Z=1)=0,871

Mostrando-se que a probabilidade da falta de oxigenação no sangue eleva-se de 0,05

para 0,129, dado que foi feito um exame químico.

O exemplo apresentado acima é um dos casos mais básicos de uma Rede Bayesiana,

Percebe-se, então, que se o número de nós aumentar muito e tiver muitas ramificações o

esforço demandado no cálculo das probabilidades será enorme. Portanto torna-se essencial a

utilização de simuladores (modelos computacionais) para a realização destes cálculos. Foi

com esse intuito que Firmino & Droguett (2006) desenvolveram um simulador para modelos

híbridos (DSE + AF + RB), o qual resolve os DSEs e AFs via BDD e as RB via PTCC

(Huang & Darwiche, 1994).

2.3.10 Árvore de Falhas

Segundo Modarres et al.(1999) Árvore de Falhas (AF) é um processo dedutível em que

um evento indesejado chamado de Evento Topo (ET) é postulado e as possíveis formas deste

evento ocorrer são sistematicamente deduzidas.

Capítulo 2 Fundamentação Teórica

A análise qualitativa é feita identificando-se as combinações dos modos de falhas

existentes num processo para que o evento topo venha a ocorrer. Em seguida é feita a

associação de probabilidades aos modos de falhas para assim realizar a estimação da

probabilidade do evento topo.

As figuras abaixo mostra a representação gráfica da AF.

Figura 2.3 - Árvore de Falhas

Na Figura 2.3 A, B e C são eventos básicos, ou seja eles não requerem mais

detalhamentos. A e B estão conectados a porta lógica “E”, o que representa que o Evento

Intermediário só irá acontecer se e somente se A e B ocorrerem. Já o Evento Intermediário e

C estão conectados a uma porta lógica “OU”, ou seja, o Evento Topo irá ocorrer se o Evento

Intermediário acontecer, se C acontecer ou se ambos acontecerem.

Uma das maneiras de se calcular a probabilidade do ET ocorrer é pelo método dos

cortes mínimos, onde são encontrados as expressões Booleanas para cada porta lógica,

envolvendo apenas os eventos básicos.

Para ajudar chama-se o ponto da porta lógica “E” como G1, assim:

ET=G1 + C;

Entretanto G1=A * B;

ET=(A*B) + C

Ficando a expressão para ET apenas em função dos eventos básicos, como era desejado.

Encontrado os cortes mínimos da árvore calcula-se a probabilidade de ocorrência do

evento topo:

P(ET)=P(A*B) + P(C)

Capítulo 2 Fundamentação Teórica

Supondo-se a independência dos eventos básicos tem-se que:

P(ET)=(P(A)P(B)) + P(C)

Pela propriedade da Distributividade de álgebra Booleana, obtém-se a expressão final

para a probabilidade do ET:

P(ET)=P(A)P(C) +P(B)P(C) Equação 2.4

2.3.11 Árvore de Eventos

Quando o sucesso de um sistema depende de uma cronologia, ou seja, existe uma

seqüência definida para a operação alcançar êxito, a Árvore de Eventos (AE), aparece como

sendo o método apropriado para modelá-lo.

A AE é uma estrutura gráfica horizontal que tem início na esquerda, onde o evento

iniciador descreve uma determinada situação, e é o ponto de partida para o desenvolvimento

de uma sequência cronológica.

No exemplo da Figura 2.4, mostra-se uma AE para uma situação em que um sistema é

formado por 3 subsistemas. O primeiro que está em funcionamento e dois outros de reserva,

que estão conectados de forma que o segundo entra em funcionamento assim que detecta

falha no primeiro e o terceiro entra em funcionamento assim que detecta falha no segundo.

O subsistema 1 (S1) do dado sistema é representado na parte superior da AE como

Falha de S1, e este é o evento iniciador do processo. E como visto, para o sistema obter

sucesso na sua operação ou o subsistema 2 (S2) tem de operar corretamente, ou se o mesmo

falhar o subsitema 3 (S3) deve obter êxito, caso contrário o sistema irá falhar.

Figura 2.4 - Exemplo de Árvore de Eventos

A probabilidade de sucesso do sistema é calculado pela probabilidade da soma das

sequencias de sucesso. A nomenclatura

significa que o enésimo subsistema falhou.

P(Sucesso do Sistema) = P(Sequencias de Sucesso)

P(Sucesso do Sistema) = P(Cenário 1 + Cenário 2)

P(Sucesso do Sistema) = P(Cenário 1) + P(Cenário 2)

Onde,

Capítulo 2 Fundamentação Teórica

P(Cenário 1) = P(

S2) = P(

)P(S2)

P(Cenário 2) =

S3 = P(

)P(

)P(S3)

Assim:

P(Sucesso do Sistema) = P(

)P(S2)+ P(

)P(

)P(S3) Equação 2.5

2.3.12 Modelagem das probabilidades de falhas de subsistemas de uma árvore de

eventos através de árvores de falhas

A modelagem das probabilidades de falhas dos subsistemas de uma árvore de eventos

podem ser quantificadas através das árvores de falhas.

Decompondo os Subsistemas S1, S2 e S3, tendo Falha de S2 e Falha de S3 como evento

topo:

(a) (b) (c)

Figura 2.5 - Árvore de Falhas dos subsistemas S1, S2 e S3

Assim a probabilidade de falha de cada subsistema é dado pelas seguintes expressões,

em função dos seus eventos básicos:

)=P(A)P(B)

)=P(B)P(C)

)=P(C)P(D)

Dessa forma a Equação 2.5 torna-se:

P(Sucesso do Sist.) = P(A)P(B)[1-P(B)P(C)]+P(A)P(B)P(B)P(C)[1-P(C)P(D)]

P(Sucesso do Sist.) = P(A)P(B) - P(A)[P(B)]

[P(C)]

P(D)

O complementar é dado por:

P(Falha do Sistema)=1-P(Sucesso do Sistema) Equação 2.6

Capítulo 2 Fundamentação Teórica

2.3.13 Conversão da árvore de eventos em rede Bayesiana

A conversão de uma AE à uma Rede Bayesiana, é feita de forma a facilitar a

compreensão do sistema. Pois, como já dito anteriormente, as Redes Bayesianas têm uma

representação gráfica que mostram de forma mais clara e direta as relações causais que regem

o processo.

Para a árvore sugerida na Figura 2.4, que tem suas equações de probabilidades de falhas

dos subsistemas definida pela P(Sucesso do Sistema) = P(

)P(S2)+ P(

)P(

)P(S3)

Equação 2.5, tem-se sua Rede Bayesiana equivalente dada pela Figura 2.6.

Onde o anagrama SiF representa a falha do i-ésimo subsistema.

Figura 2.6 - Conversão da árvore de eventos em rede Bayesiana

As linhas tracejadas representam as relações funcionais entre os subsistemas, de acordo

com a sequência de eventos que leva a cada cenário apresentado na árvore de eventos. Ao se

percorrer a Rede a partir de um evento básico é possível visualizar o contexto de causa e

efeito que cada processo provoca no sistema. Como exemplo, partindo-se do evento básico B,

ou seja B ocorre, os subsistemas S1 e S2 falham, então S3 é ativado. Caso haja falha de C ou

D, o sistema irá falhar por completo. É importante salientar que a árvore da Figura 2.6 foi

desenvolvida no contexto de falha.

2.3.14 Tipos de modelagem

Numa Rede Bayesiana, segundo Santos (2005), os cenários podem ser modelados de

acordo com o nível de dependência dos eventos. A classíficação de dependência é dada da

seguinte forma: dependência total, dependência parcial e independência.

Abaixo são descritos todos os casos.

Capítulo 2 Fundamentação Teórica

Independência: os eventos que compõem um dado cenário não sofrem nenhuma

influência do evento anterior, bem como não causam influência no evento posterior. Este tipo

de representação reproduz apenas uma quantificação aproximada da realidade.

Para modelar graficamente a rede com essa característica, deve-se concatenar através de

arcos todos os seus nós ao nó final, sem existir interligações entre os nós. Feita esta

construção, monta-se a Tabela de Probabilidades Condicionais do Evento Final, e a partir da

quantificação desta tabela é obtida a modelagem do cenário desejado.

Figura 2.7 - Rede Bayesiana com eventos independentes

Dependência Parcial: os eventos que compõem um dado cenário são considerados

dependentes apenas de uma quantidade determinada de eventos imediatamente anteriores a

ele. Podendo existir uma flexibilização dessa quantidade de eventos dependentes, facilitando a

modelagem para alguns tipos de cenários.

Para a modelagem gráfica da rede com dependência parcial deve-se conectar os nós

dependentes através de arcos, ligando-os diretamente. Da mesma forma que nas redes com

eventos independentes, para as redes com dependência parcial constrói-se uma TPC para o

Estado Final do cenário.

Figura 2.8 - Rede Bayesiana com eventos parcialmente dependentes

Dependência Total: os eventos que compõem um dado cenário são totalmente

dependentes quando eles são dependentes de todos os eventos anteriores a ele. Numa

linguagem gráfica, significa dizer que cada evento irá receber um arco de um evento anterior

a ele.

Da mesma forma que os casos anteriores constrói-se uma TPC do evento final e

quantifica-se o cenário desejado.

Capítulo 2 Fundamentação Teórica

Figura 2.9 - Rede Bayesiana com eventos totalmente dependentes

Abaixo são mostradas as tabelas da lógica Booleana para cada variável e seus

causadores. Em uma Rede Bayesiana a quantificação do cenário final é feita através de

atribuições de probabilidades à tabela de probabilidades condicionais do estado final, vide

Tabela 2.2.

Tabela 2.1 – Tabela de probabilidades condicionais do estado final S3

P(S3F| S2F, C, D) S2F, C, D

Sim Não

Sim Sim Sim 1 0

Sim Sim Não 1 0

Sim Não Sim 1 0

Sim Não Não 0 1

Não Sim Sim 0 1

Não Sim Não 0 1

Não Não Sim 0 1

Não Não Não 0 1

Tabela 2.2 - Tabela de probabilidades condicionais para falha do sistema

P(Sistema Falhar| S1F, S2F, S3F) S1F, S2F, S3F

Sim Não

Sim Sim Sim 1 0

Sim Sim Não 0 1

Sim Não Sim 0 1

Sim Não Não 0 1

Não Sim Sim 0 1

Não Sim Não 0 1

Não Não Sim 0 1

Não Não Não 0 1

2.4 Diagrama de Seqüência de Eventos

O Diagrama de Seqüência de Eventos (DSE) pode ser visto como uma representação

visual do cenário a ser avaliado. Esta técnica é utilizada em várias instâncias, Stutzke et al.

(1991) propõe o uso de DSEs para o auxílio da compreensão em cenários de acidentes e

Capítulo 2 Fundamentação Teórica

ajudar a monitorá-los. DSEs também são usadas para auxiliar na construção de Árvores de

Eventos nas Usinas Nucleares.

O DSE ajuda na identificação e construção de seqüências de eventos em cenários

dinâmicos, dado que ele se parece bastante com os tradicionais Gráficos de Fluxo. O que é

visto no DSE é o que pode vir a acontecer no processo de acordo com um evento iniciador. A

caracterização do DSE é feita a partir de uma sêxtupla, com o seguintes elementos:

Eventos (E) : pode ser qualquer fenômeno físico observado pelo analista, que ele deseje

colocar no DSE. Abaixo segue uma tabela com os símbolos utilizados pelos eventos:

Tabela 2.3 - Simbologia para os eventos do DSE

Caixa de Comentário: usada apenas melhor

compreensão da seqüência de eventos.

Evento Iniciador: O primeiro evento num DSE, aquele

que inicia a seqüências de eventos.

Evento Pivotal: Evento com dois possíveis resultados,

normalmente “Sim” ou “Não”.

Estado Final: É o ponto final da seqüência de eventos.

Numa dada seqüência pode existir vários estados

finais.

Atrasos: Podem ser detreminísticos, onde nenhum

evento ocorre durante aquele dado período, ou podem

ser aleatórios, onde o tempo de atraso é uma variável

aleatória.

Condicionais (C) : São usadas para escolher entre caminhos binários, baseados na

satisfação ou não da condição.

Tabela 2.4 - Simbologias dos condicionais do DSE

Condições de Tempo: Baseadas em limites de tempos.

Expressos na forma a<t<b.

Competição: É uma “corrida”entre dois eventos. Tem

dois resultados possíveis dependendo de qual seja

completo primeiro.

Switch: Baseado num processo deterministico,

expresso da forma a<p<b, sendo o resultado

dependente da satisfação ou não da condição.

Não

Sim

Não

Sim

Não

Capítulo 2 Fundamentação Teórica

Portas (P) : São duas as portas utilizadas, a porta “E” e a porta “OU”. Podem conectar

eventos simples a eventos múltiplos ou vice-e-versa.

Tabela 2.5 - Simbologias das portas do DSE

Porta “OU” de Saída: é usada para modelar

resultados mutuamente exclusivos.

Porta “OU” de entrada: é usada para combinar

diferentes eventos que geram um mesmo evento.

Porta “E” de saída: uma entrada que gera múltiplos

eventos concorrentes.

Porta “E” de entrada: para situações em que os

cenários só evoluem, depois que um conjunto de

situações independentes acontecem. Essa porta pode

ser chamada de sincronizadora.

Conjunto de Parâmetros do Processo (CPP): Consiste nos parâmetros temporais e

físicos que influenciam no sistema.

Fronteiras (F): Um intervalo ou conjunto de intervalos dos parâmetros do processo que

estão em competição para a ocorrência de um evento.

Os DSE podem ser bastante complexos e ajudar bastante na construção de vários

cenários de acidentes, porém para o trabalho proposto utiliza-se basicamente apenas os

eventos iniciadores, eventos pivotais e estados finais na construção das seqüências de eventos

de forma a facilitar a conversão dos DSE em AE.

2.4.1 Cenários

O cénario para a ACH contém um EI, um ou mais EP e um Estado Final (EF), conforme

pode se visto no diagrama da Figura 2.10.

Capítulo 2 Fundamentação Teórica

Figura 2.10 - Descrição do cenário em ACH

2.4.2 Eventos Iniciadores

Os eventos iniciadores são falhas ou perturbações que dão início a um cenário. É de

suma importância que o máximo de candidatos a EI sejam considerados. Dado que seu

conjunto de candidatos está formado, é possível fazer uma análise um pouco mais criteriosa

para eliminar ou agrupar alguns destes candidatos.

A eliminação pode ser feita se o candidato tiver uma probabilidade de ocorrência muito

baixa em relação aos outros, se este mesmo candidato for um evento iniciador de perturbação

em um outro estado do sistema ou se o mesmo não estiver dentro da abrangência da análise de

risco em questão.

Os candidatos devem ser agrupados num mesmo EI quando eles induzirem o sistema a

uma mesma resposta.

2.4.3 Eventos Pivotais

Eventos que possuem dois possíveis resultados, normalmente “sim” e “não”.

2.4.4 Estado Final

É o ponto final de uma sequência de eventos. Para uma dada sequência podem existir

vários estados finais.

Capítulo 2 Fundamentação Teórica

2.4.5 Ilustração do Diagrama de Seqüência de Eventos

Figura 2.11 - Conceito de Diagrama de Seqüência de Eventos

Com a utilização do simulador de modelos híbridos citado anteriormendo, não é preciso

converter os DSEs em AEs pois o software já faz o cálculo das probabilidades dos estados

finais, sem ser necessária a conversão. Entretanto para melhor ilustrar os cenários todas as

AEs das etapas do processo cirúrgico foram desenvolvidas.

Na análise probabilística do risco a AE de um processo é derivada a partir do seu

respectivo DSE. O início da AE é representado pelo Evento Iniciador do DSE, o qual irá

definir o processo a ser estudado. Os caminhos da árvore são montados baseando-se nos

eventos pivotais, sua ocorrência ou não, definem cenários diferentes.

Figura 2.12 - Representação do DSE da Figura 2.11 através de uma árvore de eventos

Capítulo 3 Análise de Confiabilidade Humana

3 ANÁLISE DE CONFIABILIDADE HUMANA

A Análise de Confiabilidade Humana é uma metodologia de avaliação de confiabilidade

humana, definida por Swain & Guttman (1983), como sendo a probabilidade de que uma

tarefa ou procedimento seja concluída com sucesso pelo seu operador ou equipe em qualquer

estágio na operação de um sistema dentro de um mínimo de tempo exigido.

Dessa forma o não sucesso da tarefa está associada a um erro humano cometido pelo

operador ou equipe. Segundo Wicknens et al. (1997), erro humano é um comportamento

inapropriado que diminui o nível de eficiência ou segurança de um sistema, o qual pode ou

não resultar em acidentes ou danos.

Os erros podem ser classificados de diferentes formas dependo de cada autor. Para

Swain & Guttman (1983) existem duas formas de classificação: erros de comissão, aqueles

que são cometidos durante a execução da tarefa; e os erros de omissão, os quais são cometidos

por se omitir um determinado passo da tarefa. Já Reason (1990) dá a seguinte nomenclatura

aos erros: Mistakes, ações intencionais que provocam erros, ou seja, o executor acredita estar

tomando a ação correta entretanto realiza ações incorretas. Lapsos, ações não intencionais que

provocam erros devido à falhas de memória no decorrer da tarefa. Slips, erro cometido

durante a execução da tarefa, como por exemplo rapidez ou lentidão na execução do

procedimento.

Num primeiro momento foram desenvolvidos métodos de avaliação da confiabilidade

humana baseada em árvores de eventos, nos quais as variáveis só assumem valores binários,

várias vezes utilizado dá análise por árvores de falhas para descriminar os erros. Esses

métodos foram caracterizados como modelos de 1ª Geração. Destacam-se nesta geração os

seguintes: Accident, Investigation and Analysis (AIPA), Confusion Matrix (CM), Thecniqui

for Human Error Prodiction (THERP), Human Cognitive Reliability (HCR), dentre vários

outros, que podem ser melhor observados em Hollnagel (1998) apud Menezes, R. (2005).

Devido a essa essência binária dos modelos da 1ª geração, desenvolveu-se um método

de avaliação em que as variáveis podem assumir valores policotômicos, afim de retratar mais

fielmente a natureza do cenário causador dos erros cometidos pelos homens. Os principais

métodos retratados na literatura são: Cognitive Environment Simulator (CES), Intention Event

tree System (INTENT), Cognitive Event Tree System (COGENT), EPRI Project on Methods

for Addressing Human in Safety Analysis, Human Interaction Timeline (HITLINE), A

Technique for Human Error Analysis (ATHEANA), Cognitive Reliability and Error Analysis

Capítulo 3 Análise de Confiabilidade Humana

Method (CREAM). A seguir descreve-se o modelo IDAC que é um modelo muito importante

na evolução das técnicas de ACH.

Para ilustrar melhor a segunda geração o método CREAM é descrito a seguir.

3.1 Cognitive Reliability and Error Analysis Method (CREAM)

A técnica foi desenvolvida por Hollnagel em 1993, com o objetivo de fazer uma análise

preditiva do desempenho humano, caracterizando de forma mais fiel a influência das causas

em relação as manifestações observadas. Caracterização que tem início a partir de métodos

sistemáticos de descrição da tarefa.

Após descrever a tarefa, através do Common Performace Conditions (CPC) avalia-se as

condições de trabalho, tais como tempo disponível para o procedimento, preparação e

treinamento adequados para os operadores, dentre outros. Em seguida determina-se a

probabilidade associada à capacidade de executar a tarefa por um operador integrado no

contexto do CPC.

3.2 Modelo IDAC

Entretanto, a fim de suplantar as restrições impostas pelos métodos da 1ª e 2ª gerações e

com o objetivo de melhor modelar as relações de causa e efeito em uma sala de controle de

uma planta de energia nuclear, Chang & Mosleh (1999) desenvolveram um método que tenta

descrever mais fielmente os fatores que influenciam no comportamento dos operadores

durante a realização de tarefas. Este modelo cognitivo foi chamado de IDAC (Information,

Decision and Action in a Crew).

Para tornar o modelo dinâmico, acopla-se o IDAC a árvores de eventos. A partir de um

evento iniciador, tenta-se modelar o comportmeto do operador dentro de um sistema

dinâmico, observarvando-se as diferentes possibilidades de escolha que o operador pode

tomar. Onde fatores ambientais (frio, calor, umidade), fatores fisiológicos (fadiga, estress),

fatores organizacionais (ambiente de trabalho, ferramentas disponíveis), fatores de grupo de

trabalho (liderança, grupo coeso, confiança) e fatores internos como experiência e

autoconfiança, entram no modelo influenciando a resposta do operador.

Cada um dos caminhos seguidos dentro da árvore de falhas é influenciado por um ou

mais de um dos fatores supra-mencionados. O primeiro passo para se calcular a probabilidade

deste dado caminho, é elicitar os especialistas para que eles indiquem os pesos que devem ser

atribuídos a cada um dos fatores. Posteriormente define-se quais fatores irão interferir nos

Capítulo 3 Análise de Confiabilidade Humana

determinados estágios do modelo. Então calcula-se a probabilidade da alternativa tomando-se

o valor do seu peso dividido pelo fator de normalização, que é dado pelo somatório dos pesos

de todas as alternativas existentes num determinado estágio. O último passo deste processo é

multiplicar todas as probabilidades de um dado caminho para assim obter a probabilidade

desta sequência da árvore.

Entretanto mesmo o modelo IDAC, apesar de já ser bem mais realístico do que os

modelos de 1ª e 2ª gerações, também apresenta falhas de modelagem. Pois como mostrado em

Firmino et al. (2004) e Firmino (2004), o IDAC assume independências irreais entre as

variáveis do sistema. E com o intuito de minimizar essas limitações a seguir é proposto um

outro método de ACH.

3.3 Fatores de Desempenho

Segundo Swain e Guttman (1983), os Fatores de Desempenho (FD) são todos os fatores

que influem de alguma forma sobre a confiabilidade humana e consequentemente auxiliam na

determinação da probabilidade de erro humano. Estes FD são divididos em três tipos:

FD Externo: como o próprio nome já diz, são fatores de fora do indivíduo, que passam

a influenciar a realização de uma determinada tarefa. Dentre estes fatores estão as condições

ambientais e as condições de trabalho para a execução da tarefa.

Os FDs externos são subdivididos em mais três subgrupos da seguinte forma:

Características do Local de Trabalho, como exemplo temperatura e umidade do local;

Característica da Tarefa/Equipamento, por exemplo o design do equipamento; e por último a

Instrução da atividade de trabalho e da tarefa, onde podem ser citados como exemplo a

quantidade de treinamento dado a uma pessoa para a execução da tarfea.

FD Internos: são os fatores intrínsecos do ser humano que passam a determinar o nível

de competência desse indivíduo para desempenhar uma certa tarefa. Pode-se citar como FD

Internos a condição física do trabalhador, a sua identificação com o grupo de trabalho, dentre

outros que estão mostrados na Tabela 3.1, que foi retirada de Swain e Guttman (1983).

FD Estressantes: de acordo com Lipp (1996), estresse é uma reação do organismo, com

componentes físicos e pscicológicos, causadas pelas alterações psicofisiológicas que ocorrem

quando a pessoa se confronta com uma situação que, de um modo ou de outro, a irrite,

amedontre, excite, confunda ou mesmo que a faça feliz.

Devido a extrema importância dessa reação orgânica, o estresse apesar de ser uma

reação interna ao indivíduo, e portanto seria classificada como um FD Interno, é tratado num

Capítulo 3 Análise de Confiabilidade Humana

grupo especial designado somente para si mesmo. A tabela 3.1 descrimina os fatores

estressantes.

Tabela 3.1 – Fatores de Desempenho (Swain & Guttmann, 1983)

FD EXTERNOS FD ESTRESSANTES FD INTERNOS

CARACTERÍSTICAS

DO LOCAL DE

TRABALHO

CARACTERÍSTICAS

DA TAREFA E

EQUIPAMENTOS

FATRES

PSCICOLÓGICOS

CARACTERÍTICAS

INDIVIDUAIS

- Característica estrutural

- Qualidade do ambiente

de trabalho:

- Temperatura

- Umidade

- Radiação

- Perturbação sonora

- Vibração

- Limpeza

- Hora de trabalho/ Hora

de descanso

- Mudança de turnos

- Diaponibilidade de

equipamentos e

ferramentas especiais

- Estrutura

organizacional:

- Autoridade

- Responsabilidade

- Canais de

Comunicação

- Política organizacional

da empresa

- Prêmios e benefícios

- Surpresa inicial

- Duração do estresse

- Velocidade da tarefa

- Carga de atividade

- Riscos na execução da

tarefa

- Ameaças:

- De fracasso

- Perda do trabalho

- Trabalhos monótonos

- Trabalhos de longos e sem

sentido

- Conflitos de avaliação de

desempenho do trabalho

- Ausência de reforço ou

reforço negativo

- Senso de privação

- Distração por:

- Barulho

- Luminosidade

- Movimento

- Tela trêmula

- Cor

- Dicas inconscistemtes

FATORES

ORGANIZACIONAIS

FATORES

FISIOLÓGICOS

- Procedimento realizado

(escrito ou não escrito)

- Communicação escrita

ou oral

- Prevenção e advertência

- Método de trabalho

- Política de planta

(Prática de compra)

- Percepção exigida na

tarefa

- Movimentos exigidos na

tarefa:

- Velocidade

- Força

- Precisão

- Atenção aos sinais de

alerta

- Solicitação antecipada

- Interpretação

- Tomada de decisão

- Complexidade

- Estreiteza da tarefa

- Frequência e

repetitividade

- Criticalidade da tarefa

- Capacidade de memória

exigida para execução da

tarefa:

- Termos exigidos

durante muito tempo

na memória

- Termos exigidos

durante pouco tempo

na memória

- Requisito matemático

- Feedback

- Atividade dinâmica vs

passo a passo

- Estrutura e comunicação

da equipe

- Fatores de interface

homen-máquina:

- Projeto do primeiro

equipamento

- Teste do

equipamento

- Fabricação do

equipamento

- Ajuda no trabalho

- Ferramentas

- Duração do estresse

- Fadiga

- Dor ou desconforto

- Fome ou sede

- Temperatura extrema

- Radiação

- Força G extrema

- Pressão atmosférica

Exterma

- Oxigênio insuficiente

- Vibração

- Restrição de movimento

- Falta de exercício físico

- Interrupção do rítmo

cardíaco

- Treinamento

prévio/xxperiência

- Estado prático atual ou

destreza

- Personalidade e inteligência

variável

- Motivação e atitude

- Estado emocional

- Estresse (mental ou tensão

corpórea)

- Conhecimento do

desempenho necessário padrão

- Diferença sexual

- Condição física

- Atitude beseada na influência

da família, em outras pessoas

de fora da família ou agências

- Identificação do grupo

Capítulo 3 Análise de Confiabilidade Humana

3.4 Descrição da Tarefa

Dentre os vários métodos de Descrição da Tarefa existentes, selecionou-se o

Hierarchical Task Analysis (HTA), uma metodologia capaz de melhorar o entendimento das

atividades que integram um determinado trabalho. Segundo Kirwan & Ainsworth (1992),

HTA é um método sistemático que descreve e organiza as tarefas que deverão ser executadas

no decorrer de um trabalho.

A HTA inicia-se com a definição da meta a ser atingida. Após a definição da meta,

estabelecem-se os planos que contém as tarefas seqüenciadas para a se obter a realização da

meta. Para cada uma dessas tarefas determina-se suas sub-tarefas, indicando quando as

mesmas forem simultâneas. O analista decide a que nível de detalhamento das sub-tarefas

deve-se chegar. Dessa forma, a partir da construção da HTA os Eventos Iniciadores dos DSEs

podem ser caracterizados.

Capítulo 4 Histerectomia Vaginal

4 HISTERECTOMIA VAGINAL

Abaixo é descrita brevemente a anatomia da genitália feminina para uma melhor

compreensão da técnica cirúrgica que será analisada nas seções subseqüentes.

4.1 Anatomia Genital Feminina

De acordo com Rock & Thompson (1999) a pelve feminina pode ser dividida

espacialmente em duas porções: a genitália externa e a genitália interna.

4.1.1 Genitália Externa

A genitália externa, também conhecida como vulva, é subdividida nas seguintes partes:

• Grandes Lábios: são pregas cutâneas ricas em tecido adiposo que formam as porções

laterais da vulva, possuem glândulas sudoríparas e sebáceas. São provenientes do

Monte de Vênus e recobrem o intróito vaginal. A parte externa dos grandes lábios é

recoberta por pêlos.

• Pequenos Lábios: são constituídos de duas pregas finas, ricas em vasos sanguíneos.

Possui grande quantidade de glândulas sebáceas, não possuindo glândulas

sudoríparas. Os pequenos Lábios são usualmente recobertos pelos Grandes Lábios,

eles se estendem do prepúcio do Clitóris se unindo aos Grandes Lábios na comissura

posterior.

• Hímen: é uma membrana irregular que cobre parcialmente o intróito vaginal, sua

forma e espessura variam de pessoa para pessoa.

• Clitóris: é um corpo cilíndrico e erétil localizado na parte na borda inferior da sínfise

púbica. É o órgão homólogo ao pênis no corpo masculino.

• Vestíbulo: é uma fenda entre os pequenos lábios que vai do Clitóris à região posterior

do Hímen. É no Vestíbulo que se localizam o meato uretral, o intróito vaginal e as

glândulas de Bartholin.

• Meato Uretral: orifício por onde sai a urina.

• Intróito Vaginal: é a abertura da vagina na vulva.

• Glândulas de Bartholin: são glândulas sebáceas que têm função de lubrificação da

genitália durante o ato sexual.

• Monte de Vênus: coxim gorduroso, que diminui o impacto durante a relação sexual,

está localizado acima do Prepúcio Clitoriano.

Capítulo 4 Histerectomia Vaginal

Figura 4.1 – Representação da Genitália Externa

4.1.2 Genitália Interna

A genitália interna é formada pela vagina, útero, trompas uterinas e ovários.

• Vagina: é um órgão tubular elástico, responsável pela cópula, que comunica o útero

ao meio eterno. A sua média de tamanho é de aproximadamente 10cm. Sua

musculatura é lisa e é recoberta por uma mucosa formada de epitélio escamoso e

apresenta uma grande resposta aos estímulos hormonais. É irrigada na sua porção

superior pela artéria vaginal, já sua porção inferior é irrigada pelos vasos

hemorroidários e de ramos da artéria pudenta.

• Útero: é um órgão muscular interno localizado entre o reto e a bexiga, comunicando-

se diretamente com a vagina na sua parte inferior e com as trompas na sua parte

superior. Suas medidas aproximadas são de 7 x 5 x 2,5 cm. O órgão é dividido em

quatro regiões: fundo uterino, istmo, corpo e colo uterino. O útero normalmente é um

órgão móvel, estando fixo à parede pélvica lateral e é sustentada por vários

ligamentos, como o ligamento largo, a mosossalpinge e o ligamento infundíbulo

pélvico. É neste órgão onde se desenvolvem os fetos durante todo o período da

gravidez.

• Trompas Uterinas: conhecidas também como Trompas de Falópio, são estruturas

tubulares bilaterais com aproximadamente 10 cm de extensão. Podem ser divididos

em três porções: Intersticial, que é responsável pelo contato direto com a cavidade

uterina, ístmica, que é a porção menos estreita da trompa. E a ampola, porção mais

longa que leva os dois tubos a se abrem no ovário.

Capítulo 4 Histerectomia Vaginal

• Ovários: são estruturas sólidas de cor rosa-acinzentada, situadas lateralmente ao

útero. É ligado inferiormente às trompas uterinas. Possuem forma ovóide e medem

aproximadamente 5 x 2 x 2 cm e pesando de 4 a 8 g. Esse tamanho varia de acordo

com a idade da paciente e da fase do ciclo menstrual da mesma. Os ovários são

irrigados pelas artérias ovarianas e por ramos ovarianos da artéria uterina, e sua

sustentação é feita pelos ligamentos suspensos do ovário, ligamento ovariano,

mesovário, ligamento uterovariano e ligamento infundibulopélvico.

Figura 4.2 – Representação da Genitália Interna

4.2 Histórico da Histerectomia

Até o século XIX não houveram avanços significativos nas técnicas de histerectomia,

entretanto estão registrados vários relatos deste procedimento anteriormente a esta data. A

histerectomia vaginal foi realizada muitos séculos antes de qualquer registro de cirurgia por

via abdominal. As primeiras referências à técnica vaginal, feitas por Hipócrates, datam do

século V aC. Já em 1517 o italiano Jacopo Berengario, realizou cirurgias de histerectomia

vaginal, adaptando a técnica desenvolvida por seu pai. Em 1600, Schenck de Granbenberg

relatou 26 casos de histerectomia vaginal. Todas essas primeiras cirurgias foram realizadas

devido a prolapso ou inversão uterina, pois os médicos ou parteiras da época não reconheciam

a natureza do útero invertido, cortando-o imprudentemente.

Contudo, os relatos de cirurgia tornam-se esporádicos durante o século XVII e XVIII. O

século XIX inicia-se com os cirurgiões retomando a técnica e a realizando em vários países

como França, Alemanha, Inglaterra e Estados Unidos. Sendo obtidos resultados bem

sucedidos para o tratamento do câncer de útero. Segundo Rock & Thompson (1999) no final

Capítulo 4 Histerectomia Vaginal

deste século a técnica de histerectomia vaginal foi sistematicamente estudada e desenvolvida

por Czerny, Billroth, Mikulicz, Schoroeder, Kocher, Teuffel e Spencer Wells.

Paralelamente à técnica vaginal foi desenvolvendo-se a histerectomia abdominal.

Entretanto, cirurgia por via abdominal só evoluiu a partir do momento em que os cirurgiões

passaram a ter o controle da dor, controle da infecção e controle da hemorragia. Pois antes

deste momento as taxas de mortalidade eram cerca de 80% a 90%. O controle pleno destes

parâmetros aconteceram no século XX, o que tornou a histerectomia abdominal, como já

mencionado anteriormente, na segunda cirurgia de grande porte mais realizada no mundo.

Dessa forma a HA foi o tipo de intervenção que dominou a medicina durante o século

passado. Entretanto, com os avanços nos materiais utilizadas nos instrumentais cirúrgicos a

HV voltou à tona no início da década de 80. Com o aprimoramento da técnica, como já foi

mencionado anteriormente, vários cirurgiões passaram a utilizar a HV e, como já mencionado,

os resultados para esta técnica são mais favoráveis.

A partir desta breve revisão histórica, observa-se que a cirurgia de histerectomia evoluiu

consideravelmente nos últimos 150 anos. E mais importante, passou de uma cirurgia de

altíssimo risco e feita com pequena freqüência para uma modalidade terapêutica muito

importante e de grande porte, que pode salvar vidas das pacientes, bem como melhorar a sua

saúde, desde que haja uma correta seleção da técnica a ser aplicada e que haja um preparo

adequado da paciente e do corpo clínico envolvido no procedimento cirúrgico.

4.3 Indicações e contra-indicações para o procedimento cirúrgico

Como descrito anteriormente, o número de intervenções por via genital vem se

multiplicando nos últimos anos, dado que esta técnica apresenta as mesmas vantagens da

cirurgia vídeo-assistida, sem os inconvenientes das anestesia geral, maior permanência da

paciente no EAS, e os altos custos de instrumental e material especializado para cirurgias

assistidas por imagens. Aponta-se como outras vantagens da HV sobre a histerectomia

abdominal os seguintes fatores: menor tempo de cirurgia, menor incidência de íleo paralítico e

aderências, menor intensidade dolorosa e retorno mais rápido as atividades. Maior facilidade

para correção das distopias genitais, menor tempo de internação e custo hospitalar, menor

incidência de complicações e taxa de mortalidade.

Abaixo são apontadas as indicações para a realização da Histerectomia:

1. Sangramento uterino disfuncional não responsivos a medicações.

Capítulo 4 Histerectomia Vaginal

2. Miomatose sintomática .

3. Dismenorréia severa

4. Hiperplasia endometrial.

As contra-indicações para a HV são as seguintes:

1. Mobilidade uterina ausente ou muito comprometida mesmo após a anestesia.

2. Amplitude vaginal menor do que 3cm.

3. Úteros com configuração em bola de canhão (aumento difuso com volume

maior do que 300cm3).

4. História de suspensão uterina prévia principalmente fixação ventral a parede

abdominal.

5. Endometriose, DIP, fundo de saco ocupado.

6. Abscesso tubo-ovariano.

7. Patologias malignas uterinas, das trompas ou dos ovários.

Antes da realização da cirurgia é de fundamental importância a equipe cirúrgica ter em

mãos os seguintes exames da paciente: ABO/Rh, hemograma, glicemia, creatinina,

coagulograma, sumário de urina, citologia oncótica, Ultrassom transvaginal,

eletrocardiograma, raio x de tórax em PA e perfil, estudo endometrial.

4.4 Descrição do procedimento cirúrgico

O procedimento cirúrgico é detalhadamente descrito durante a apresentação da

descrição da tarefa no Capítulo 5.

Capítulo 5 Caracterização dos Riscos

5 CARACTERIZAÇÃO DOS RISCOS NO PROCEDIMENTO DE

HISTERECTOMIA VAGINAL

5.1 Metodologia Proposta

O fluxograma da Figura 5.1 apresenta a metodologia proposta para o desenvolvimento

da avaliação probabilística do risco num procedimento cirúrgico em geral. Entretanto ele é

desenvolvido baseado na análise da Histerectomia Vaginal.

Figura 5.1 – Metodologia Proposta

A primeira etapa é constituída da familiarização com o procedimento a ser estudado. É

neste momento que se adquire conhecimento necessário para se começar a fazer as análises

qualitativas do processo. A principal maneira de adquirir esse conhecimento, caso o analista

não seja um especialista na área, é a observação do procedimento bem como a troca de

informações com especialistas que atuam na área.

Após a familiarização constrói-se as HTAs do processo que, como já definido

anteriormente, é uma descrição hierárquica das tarefas envolvidas no processo de forma a

descrevê-las e organizá-las sistematicamente. Paralelamente, são feitas as tabelas que

descrevem cada etapa da HTA, identificando a tarefa realizada, os operadores envolvidos, a

suas respectivas localizações, suas ações e os possíveis erros decorrentes de uma execução

errônea da tarefa estabelecida.

5.1.1 Análise Qualitativa

As etapas da análise qualitativa são compostas pela construção dos Diagramas de

Seqüência de Eventos, das Árvores de Falhas e das redes Bayesianas, que são baseados nas

coletas de informação desenvolvidas na etapa anterior. A integração destas etapas formam o

modelo causal híbrido, que será descrito detalhadamente no próximo tópico.

Capítulo 5 Caracterização dos Riscos

5.1.1.1 Modelo Causal Híbrido

O modelo probabilístico de risco é híbrido pois é baseado na integração dos diagramas

de seqüências de eventos, árvore de falhas e redes Bayesianas dinâmicas. Nesta modelagem

os eventos pivotais dos DSEs relacionados a erros humanos, ou seja, resultantes diretamente

de ações humanas, são modelados via redes Bayesianas. Enquanto que os eventos pivotais

relacionados à falha de equipamentos são modelados via árvore de falhas.

Os DSEs são usados para caracterizar a evolução temporal de forma dinâmica das

etapas do procedimento cirúrgico. Por meio das HTAs pode-se identificar e caracterizar as

relações causais de cada cenário e seqüência de eventos. Este fato é importante não apenas

para caracterizar os riscos, como também para reduzi-los, pois sabendo suas causas torna-se

viável eliminar ou mitigar os riscos.

5.1.1.2 Etapas da análise qualitativa

Na primeira etapa são definidos os estados finais e os eventos pivotais do DSE,

caracterizando as relações causais dos cenários e das seqüências de eventos existentes no

procedimento. Para os eventos pivotais relacionado às falhas em equipamentos, o modelo de

confiabilidade baseado em árvore de falhas é aplicado. Construindo-se a AF correspondente a

cada equipamento envolvido.

A próxima etapa qualitativa é a fase de identificação dos fatores de desempenho

relevantes ao corpo clínico que participa do procedimento cirúrgico. Estes FDs são a base

para a construção do modelo de confiabilidade humana baseado em Redes Bayesianas

Dinâmicas para o cirurgião e dos seus dois auxiliares diretos.

A última etapa da análise qualitativa consiste na modelagem dos eventos pivotais

relacionados a erros humanos, ou seja, na construção das redes Bayesianas dinâmicas dos

fatores de desempenho para os integrantes dos cenários estabelecidos.

5.1.2 Análise Quantitativa

Devido à escassez de dados empíricos relativos ao desempenho humano durante o

procedimento de Histerectomia Vaginal, teve-se que recorrer à opinião de especialistas para

se obter as probabilidades das redes Bayesianas.

A fim de alimentar as RBs do sistema com suas probabilidades foram feitas entrevistas

com os especialistas, conhecidas como elicitações, para obter-se estas probabilidades. Neste

trabalho foi utilizado, como será mencionado adiante, o método de elicitação direta onde cada

especialista atribui uma probabilidade para um cenário mais pessimista, mais otimista e um

Capítulo 5 Caracterização dos Riscos

mais freqüente. Estes valores são tratados por uma distribuição lognormal, onde a partir desta

encontra-se o valor da mediana e do fator de erro calculado para cada resposta do especialista.

A depender da confiança que o analista tem sobre o especialista atribui-se inicialmente um

fator de erro (k) para o mesmo, este valor será levado em consideração no cálculo do fator de

erro, como pode ser visto em Droguett et al. (2004).

De posse dos valores da mediana e do fator de erro para cada resposta de cada

especialista, e sobre cada probabilidade da RB do modelo de confiabilidade humana as

opiniões são processadas via modelo Bayesiano de variabilidade populacional proposto por

Droguett et al. (2004).

Uma vez definidos os modelos híbridos de todas as etapas dos procedimentos e de posse

dos dados das probabilidades dos nós folha e das tabelas de probabilidade condicional das

redes Bayesianas dinâmicas do cirurgião e dos auxiliares, obtidos a partir da elicitação dos

mesmos, calcula-se através do simulador de modelos híbridos as probabilidades dos estados

finais de cada etapa.

As dependências entre os estados de cada etapa são modeladas de forma que os

possíveis estados finais da etapa imediatamente anterior influenciam diretamente sobre a

probabilidade de erro humano durante a execução da tarefa subseqüente. Para tanto se

adiciona um nó à RB original, representando uma variável de como foi concluída a etapa

anterior. Este nó é ligado diretamente ao nó folha nas redes do cirurgião e de seus auxiliares,

alterando-se assim a probabilidade de erro humano na etapa atual da seqüência de eventos.

Dessa forma a acumulação do histórico do procedimento se dá lincando os possíveis estados

finais do passo anterior com as RBs dos fatores de desempenho da atual etapa do

procedimento, conforme pode ser observado na Figura 5.2. Este fato gera uma dependência

direta entre todas as etapas dos diagramas de seqüências de eventos, pois cada etapa estará

ligada a anterior através das probabilidades de erro humano, que por sua vez foram alteradas

pelo nó que representa os possíveis estados finais da etapa anterior.

As probabilidades de sucesso e erros correspondentes aos estados finais são ligados

diretamente ao nó final da RB do Cirurgião e ao nó final da RB do Auxiliar, alterando-se a

chance de sucesso ou erro humano na execução de cada uma das tarefas, a cada etapa do

processo. Com isso, as probabilidades dos eventos pivotais relacionados a erros humanos de

cada DSE é gerada a partir das redes Bayesianas dinâmicas dos FD, podendo-se, como será

mostrado posteriormente, fazer uma análise de sensibilidade de quais fatores de desempenho

ou etapas do procedimento cirúrgico mais afetam o resultado final da mesma.

Capítulo 5 Caracterização dos Riscos

Figura 5.2 – Modelo de integração causal híbrido

O mesmo tipo de raciocínio é adotado para os eventos pivotais relacionados à falha nos

equipamentos utilizados. Entretanto, os possíveis estados finais da etapa anterior irão

influenciar o evento básico da árvore de falha que corresponde à execução do trabalho com o

equipamento. Portanto devido à dependência modelada entre as etapas do processo, o sucesso

ou falha na cirurgia será mensurado no último passo do procedimento.

5.2 Descrição da tarefa para o procedimento cirúrgico

Nesta seção são desenvolvidas e explicadas todas as HTAs envolvidas ao longo da

cirurgia de Histerectomia Vaginal Total, que vão desde a preparação da sala cirúrgica até a

recuperação pós-anestésica da paciente.

Para a Histerectomia Vaginal na ausência de prolapso uterino as HTAs foram

desenvolvidas a partir de informações coletadas através da observação da técnica, bem como

da troca de informações com a equipe técnica da cirurgia. Abaixo estão ilustradas as HTAs

dos pontos considerados de mais relevância para a avaliação probabilística do risco durante o

procedimento.

A Figura 5.3 apresenta a visão global da cirurgia, onde a meta final estabelecida pelo

analista é a conclusão da Histerectomia Vaginal. Este processo inicia-se com a etapa de

preparação da sala de cirurgia, na qual o espaço físico e os equipamentos que compõem o

ambiente são limpos e organizados para a realização do procedimento. A sub-etapa 1.2 é a

esterelização dos instrumentais cirúrgicos, que é feito na Central de Esterelização do Hospital.

Neste local os instrumentais são submetidos a um equipamento conhecido como Autoclave,

que gera altas temperaturas para assim eliminar bactérias dos materiais, assim desinfectando-

os. Passada esta esterelização os instrumentos retornam à sala cirúrgica e estão aptos para o

uso. A etapa 1.3 é a descrição do procedimento cirúrgico, e está desmembrada em outra HTA.

Já a etapa 1.4 é a etapa pós-cirúrgica, que consiste inicialmente na recuperação pós-anestésica

da paciente e vai até a saída da mesma do hospital.

Capítulo 5 Caracterização dos Riscos

O segundo módulo das HTAs (Figura 5.4) mostra de uma forma geral as quatro etapas

básicas de um procedimento cirúrgico, seja ele uma Histerectomia ou um outro procedimento

qualquer.

A HTA do procedimento anestésico é mostrada na Figura 5.5. O responsável por esta

etapa é o anestesista da equipe médica, ele inicialmente verifica os equipamentos que serão

utilizados durante o procedimento cirúrgico. Em seguida instala-se a monitorização na

paciente, checando-se seus sinais vitais: freqüência cardíaca, pressão arterial não-invasiva e a

saturação periférica da hemoglobina pelo oxigênio (SpO

). Havendo alguma anormalidade

nestes parâmetros observados, o anestesista toma a decisão de aplicar alguma droga relaxante.

Se este for o caso ele espera o efeito da droga, e refaz a verificação dos sinais vitais. Caso a

primeira verificação tenha sido positiva, faz-se uma punção venosa na paciente e hidratação

com uma solução de Ringer com Lactato. O procedimento anestésico adotado é o peridural,

com posicionamento da paciente na posição sentada, preparação da pele com solução de

álcool iodado, colocação de campo, anestesia local com lidocaína a 2% através do espaço

intervertebral entre L

-L

e punção com agulha de Tuohy. Paralelamente à execução da

cirurgia, o anestesista acompanha todos os parâmetros vitais da paciente e verifica a

necessidade ou não de mais sedação.

Apesar da anestesia ser uma etapa fundamental dentro de qualquer procedimento

cirúrgico ela não será foco deste trabalho, que visa fazer neste primeiro momento, apenas uma

avaliação probabilística do risco para o procedimento cirúrgico em si. Ficando, assim, a

integração entre a anestesia e o procedimento cirúrgico uma tarefa para um próximo trabalho.

A quarta HTA apresentada descrimina os passos da histerectomia vaginal na ausência

de prolapso uterino, tendo os campos 1.3.3.3 e 1.3.3.8 descartados por não serem causadores

de risco para o procedimento de acordo com a equipe médica especialista consultada.

Capítulo 5 Caracterização dos Riscos

Figura 5.3 - HTA da Cirurgia de HTV

Figura 5.4 - HTA do Procedimento Cirúrgico

Capítulo 5 Caracterização dos Riscos

Figura 5.5 - HTA do Procedimento Anestésico

Figura 5.6 - HTA descriminada do procedimento cirúrgico

Capítulo 5 Caracterização dos Riscos

5.2.1 Etapas da HTA da Cirurgia

As tabelas de 5.1 a 5.10 caracterizam os passos da HTA do procedimento de

histerectomia vaginal. Deve-se ressaltar que na coluna de localização, o cirurgião sempre

situa-se na posição central, ficando sempre o primeiro auxiliar à esquerda do cirurgião e o

segundo auxiliar à direita. Logo abaixo a cada tabela encontram-se descriminadas as

conseqüências caso não haja sucesso na execução das tarefas.

Passo 1.3.3.1- Colocação da Paciente em Posição Ginecológica

Tabela 5.1 - Colocação da Paciente na posição ginecológica

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Colocação da mesa

cirúrgica e das

perneiras na

posição adequadas,

proporcionando

Abdução da coxa e

Hiperextensão dos

membros

inferiores

Posicionamento

incorreto

2º Auxiliar à direita Ajudar ação do 1

auxiliar

Ajuda incorreta

Posição

Ginecológica

Cirurgião Central Supervisionar Supervisão

inadequada

Como conseqüência de um posicionamento ginecológico inadequado, aumenta o grau

de dificuldade na aplicação da técnica cirúrgica, bem como pode provocar lesões nos nervos

Passo 1.3.3.2 – Assepsia e preparação do campo operatório

Tabela 5.2 - Assepsia da Paciente

Tarefa Responsável Localização Ação Erro

Instrumentadora Frontal à paciente Assepsia do campo

operatório

Assepsia ineficaz

Assepsia

Cirurgião Central Supervisionar Supervisão

Inadequada

A conseqüência de uma assepsia inadequada pode propiciar à paciente uma maior

chance de contrair uma infecção, durante o seu pós-operatório.

Passo 1.3.3.4 – Incisão da mucosa vaginal anterior ao nível da prega vésico-uterino

Capítulo 5 Caracterização dos Riscos

Tabela 5.3 - Incisão da mucosa vaginal anterior

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Ajuda nas

manobras de

identificação da

prega vésico-

uterino

Ajuda ineficaz

2º Auxiliar à direita Ajuda nas

manobras de

identificação da

prega vésico-

uterino

Ajuda ineficaz

Identificação da

prega vésico-

uterino

Falsa

identificação

Identificação e

Incisão da Mucosa

Cirurgião Central

Incisão da mucosa

Incisão incorreta

Uma identificação incorreta da prega vésico-uterino pode levar a uma incisão incorreta

na mucosa. Esta pode gerar uma lesão acidental na bexiga.

Passo 1.3.3.5 – Incisão da mucosa posterior ao nível da prega retovaginal abrindo fundo

de Saco de Douglas e identificação do segmento ligamentar cardinal útero-sacro

Tabela 5.4 - Incisão da mucosa vaginal posterior

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Ajuda nas

manobras de

identificação da

prega retovaginal

Ajuda ineficaz

2º Auxiliar à direita Ajuda nas

manobras de

identificação da

prega retovaginal

Ajuda ineficaz

Identificação da

prega retovaginal

Falsa identificação

Identificação e

Incisão da Mucosa

Posterior

Cirurgião Central

Incisão da mucosa

posterior

Incisão incorreta

A falsa identificação pode levar a incisão incorreta da mucosa posterior gerando: Falso

Trajeto e uma lesão intestinal.

Passo 1.3.3.6 – Ligadura do complexo ligamentar com pinça de Heaney curva (Etapa de

Fixação da Vagina)

Capítulo 5 Caracterização dos Riscos

Tabela 5.5 - Ligadura do Complexo Ligamentar

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Oferecer Campo

visual do lado

direito

Campo operatório

insuficiente

2º Auxiliar à direita Oferecer Campo

visual do lado

esquerdo

Campo operatório

insuficiente

Ligadura do

Complexo

Ligamentar

Cirurgião Central Ligadura do

complexo com a

pinça de Heaney

Ligadura (fixação)

inadequada

A não fixação correta da vagina leva a um problema chamado de Vagina exteriorizada

ou Prolapso de cúpula vaginal.

Passo 1.3.3.7 – Ligaduras das artérias uterinas bilateralmente

Tabela 5.6 - Ligadura das artérias uterinas

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Oferecer Campo

visual do lado

direito

Campo operatório

insuficiente

2º Auxiliar à direita Oferecer Campo

visual do lado

esquerdo

Campo operatório

insuficiente

Identificação das

artérias

Falsa identificação

Ligadura das

Artérias

Cirurgião Central

Ligadura das

artérias utilizando

Bisturi Eletrônico

Cauterização

arterial mal feita

As conseqüências para a não execução correta na ligadura das artérias são a Lesão no

Ureter e Sangramento pela artéria uterina mal ligada.

Passo 1.3.3.9 – Ligação do complexo tubo-ovariano justa uterino

Tabela 5.7 - Ligação do complexo tubo-ovariano

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Oferecer Campo

visual do lado

direito

Campo operatório

insuficiente

2º Auxiliar à direita Oferecer Campo

visual do lado

esquerdo

Campo operatório

insuficiente

Ligadura do

complexo tubo-

ovariano

Cirurgião Central Identificação das

artérias

Falsa identificação

Capítulo 5 Caracterização dos Riscos

Ligadura das

artérias utilizando

Bisturi Eletrônico

Cauterização

arterial mal feita

As conseqüências de erros na execução deste passo são: Lesão no Ovário e

Sangramento pela artéria ovariana mal ligada.

Passo 1.3.3.10 – Fixação do ângulo vaginal com ponto no nível de De Lancey.

(Depende diretamente de uma boa Execução do Passo 6)

Tabela 5.8 - Fixação do ângulo vaginal

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Oferecer Campo

visual do lado

direito

Campo operatório

insuficiente

2º Auxiliar à direita Oferecer Campo

visual do lado

esquerdo

Campo operatório

insuficiente

Ligadura do

Complexo

Ligamentar

Cirurgião Central Fixação do ângulo

vaginal através de

sutura

Sutura mal

executada

Como conseqüência a não execução de forma satisfatória da ligadura do complexo

ligamentar a paciente pode vir a apresentar um prolapso de cúpula vaginal.

Passo 1.3.3.11 – Revisão de áreas sangrantes com colporrafia em sutura grega invertida

Tabela 5.9 - Revisão de áreas sangrentas

Tarefa Responsável Localização Ação Erro

1º Auxiliar à esquerda Identificar áreas

sangrantes do lado

direito

Identificação

ineficaz

2º Auxiliar à direita Identificar áreas

sangrantes do lado

esquerdo

Identificação

ineficaz

Identificar áreas

sangrantes

Identificação

ineficaz

Ligadura do

Complexo

Ligamentar

Cirurgião Central

Utilizar Bisturi

para cauterizar

áreas sangrantes

Não estancar áreas

sangrantes

Se as áreas sangrantes não forem identificadas corretamente a paciente pode vir a ter

que retornar à sala cirúrgica para um novo procedimento, por apresentar hemorragia.

Capítulo 5 Caracterização dos Riscos

Passo 1.3.3.12 – Toque Retal

Tabela 5.10 - Toque Retal

Operação Responsável Localização Ação Erro

Toque Retal Cirurgião Central Identificar Lesões Identificação

ineficaz

A identificação ineficaz pode provocar alguma complicação posterior devido a alguma

lesão, levando a paciente a retornar ao bloco cirúrgico.

5.3 Desenvolvimento de cenários e caracterização das relações causais via

DSE e AF do procedimento cirúrgico

Nesta seção são desenvolvidos e descritos as seqüências de eventos e os seus

correspondentes cenários. É de suma importância explicitar que neste trabalho considera-se

que cada etapa do procedimento cirúrgico sempre ocorre, ou seja, P(Evento Iniciador)=1,0.

Inicialmente, a fim de facilitar a análise, os estados finais dos DSE foram agrupados e

definidos da seguinte forma:

- Sucesso: tarefa completada com sucesso, conforme planejamento estabelecido. Sem

trazer nenhuma dificuldade futura ao procedimento.

- Erro 1: O mau posicionamento da paciente à posição ginecológica aumenta a

dificuldade do procedimento cirúrgico. Pois dificulta o acesso à genitália interna,

conseqüentemente aumentando o tempo do procedimento e fadiga da equipe cirúrgica.

Também está englobado neste tipo de falha a questão de fornecimento de campo operatório

não adequado ao cirurgião, visto que este problema leva a conseqüências idênticas as do mau

posicionamento da paciente, e mais, a posição influencia diretamente a abertura do campo

cirúrgico.

- Erro 2: Aumento na chance da paciente contrair uma infecção.

- Erro 3: São lesões causadas por falsa identificação nas pregas e/ou artérias gerando a

possibilidade de falsos trajetos e conseqüentemente lesões em locais não desejados, ou mesmo

a não identificação de áreas sangrantes durante a intervenção cirúrgica.

- Erro 4: São lesões causadas por incisões, ligaduras e cauterizações não eficazes

podendo gerar por exemplo sangramento nas artérias uterinas e ovarianas.

- Erro 5: Gera um problema chamado de Vagina Exteriorizada, que também é conhecido

como Prolapso de Cúpula Vaginal. Este é causado por uma fixação(ligadura) incorreta da

vagina e sutura incorreta o ângulo vaginal.

Capítulo 5 Caracterização dos Riscos

5.3.1 Colocação da Paciente na posição ginecológica

Analisando-se a tarefa de colocar a paciente na posição ginecológica, observa-se que

tem-se como primeiro evento pivotal o erro do 1

Auxiliar em colocar a mesa cirúrgica e as

perneiras que dão sustentação as pernas da paciente na posição adequada para o cirurgião ter

um campo operatório adequado. Como mencionado acima, um erro de posicionamento irá

dificultar o andamento do processo cirúrgico, pois aumenta a dificuldade ao acesso dos órgãos

femininos, o que leva a um aumento no tempo da cirurgia e conseqüente aumento na fadiga da

equipe. O DSE desta tarefa está ilustrada na Figura 5.7.

Figura 5.7 - DSE da colocação da paciente na posição ginecológica

5.3.2 Assepsia

Nesta etapa do procedimento o instrumentador realiza a assepsia do órgão genital

feminino. A supervisão é feita pelo cirurgião, que indica se a tarefa foi ou não realiza

corretamente. Uma assepsia não correta aumenta a chance da paciente desenvolver uma

infecção após a cirurgia.

Apesar desta etapa ser relevante para o aumento ou diminuição da chance da paciente

vir a contrair uma infecção, ela não será integrada junto as demais etapa do procedimento,

pois esta só causará um efeito, a infecção, num momento posterior à cirurgia, o que não é o

foco deste trabalho. Entretanto seu DSE foi montado afim de que em trabalhos futuros os

riscos pós-operatórios também sejam modelados.

Capítulo 5 Caracterização dos Riscos

Figura 5.8 - DSE da Assepsia da Paciente

5.3.3 Incisão da mucosa vaginal anterior ao nível da prega vésico-uterino

A primeira etapa para a incisão da mucosa vaginal anterior é a correta identificação da

prega vésico-uterina. Os dois cirurgiões auxiliares ajudam o cirurgião principal na

identificação da prega. Caso haja uma falha de toda a equipe na identificação ocorre a falha na

tarefa. Numa leitura de confiabilidade seria o caso de uma porta “OU”, onde se ao menos um

membro da equipe identificar a prega a tarefa será efetuada corretamente, pois este avisará aos

demais membros a exata localização da mesma. Sendo caracterizada uma identificação

incorreta, o médico pode vir a fazer uma incisão no local errado, levando em alguns casos a

uma lesão acidental na bexiga.

No momento em que a equipe cirúrgica identifica a prega, o cirurgião utilizando-se de

uma lâmina de bisturi faz a incisão na mucosa vaginal anterior. Existindo um erro na incisão,

caracteriza-se um erro descrito anteriormente como o tipo 4, podendo esta levar a

sangramentos na área, os quais podem ou não ser identificados no momento ou

posteriormente no passo da Identificação das Áreas sangrentas.

Figura 5.9 - DSE Incisão da Mucosa Vaginal Anterior

Capítulo 5 Caracterização dos Riscos

5.3.4 Incisão da mucosa posterior ao nível da prega retovaginal

Assim como na etapa de incisão da mucosa anterior, para a incisão da mucosa posterior

ser efetuada corretamente é necessário que inicialmente os cirurgiões identifiquem a prega

retovaginal com precisão. Caso nenhum dos três faça a identificação adequada, a incisão pode

ser feita num local inapropriado. Como exemplo, pode-se citar uma lesão intestinal tendo

como fonte geradora um falso trajeto dado a localização da prega não foi precisa.

No momento em que a prega retovaginal está devidamente identificada, parte-se para a

etapa de incisão da mucosa vaginal posterior abrindo-se o fundo de Saco de Douglas. O erro

na incisão leva à um erro tipo 4, já mencionada anteriormente.

Figura 5.10 - DSE da Incisão da Mucosa Posterior

5.3.5 Ligadura do Complexo Ligamentar

Nesta etapa do procedimento cirúrgico, a função dos auxiliares é oferecer um campo de

visão cirúrgico adequado para o cirurgião. Cabe ao 1

auxiliar que está posicionado à direita

do cirurgião oferecer o campo deste lado, da mesma forma para o 2

auxiliar que está

posicionado à esquerda. Caso a visão do campo cirúrgico não seja a mais apropriada, irá gerar

uma maior dificuldade em acessar o Complexo Ligamentar, conseqüentemente aumentando o

tempo para a realização desta tarefa, o que aumenta diretamente a fadiga da equipe e a chance

de cometer-se um erro. A ligadura do complexo ligamentar é efetuada pelo cirurgião com a

Pinça de Heaney, vide Figura 5.12. A ligação não eficiente do complexo traz um problema

conhecido como prolapso de cúpula vaginal, que é a exteriorização da vagina. O útero é

considerado sem prolapso, quando o colo não ultrapassa uma linha imaginária ao nível das

espinhas isquiáticas.

Capítulo 5 Caracterização dos Riscos

Esta etapa do processo está diretamente ligada ao sucesso do passo 10 (Fixação do

ângulo vaginal), e será modelado de forma que a probabilidade do erro tipo 5 ocorrer incidirá

diretamente nos eventos pivotais do DSE do passo 10 (vide Figura 5.15 - DSE da Fixação do

ângulo vaginal), ficando o nó que será ligada as RBs do cirurgião e dos auxiliares na próxima

etapa do procedimento com as variáveis sucesso e o erro 1.

Figura 5.11 - DSE da Ligadura do Complexo Ligamentar

Figura 5.12 - Pinça de Heaney

5.3.6 Ligadura das Artérias Uterinas

Da mesma forma que a tarefa anterior, os auxiliares têm que continuar a fornecer campo

cirúrgico apropriado para o cirurgião. Entretanto, nesta etapa da cirurgia a identificação das

artérias uterinas é feita pelo cirurgião. Caso as artérias não sejam identificadas corretamente o

erro tipo 3 acontece, o que pode levar em alguns casos lesões no Ureter.

A ligadura das artérias uterinas é feita através de um Bisturi Eletrônico

. A condição de

falha no equipamento será introduzida na análise do sistema por meio da Árvore de Falhas

que modela a confiabilidade deste equipamento. A probabilidade de falha no evento pivotal

ligadura das artérias uterinas é dado pela probabilidade do evento topo da AF do bisturi.

Bisturí Eletrônico – equipamento eletrônico que gera altas frequências (RF) utilizado para realizar cortes,

cauterizações e coalgulações nos pacientes.

Capítulo 5 Caracterização dos Riscos

Figura 5.13 - DSE da Ligadura das Artérias Uterinas

5.3.7 Ligação do Complexo Tubo-Ovariano

Esta etapa do procedimento é bastante similar as duas anteriores. O cirurgião é

encarregado de identificar as artérias ovarianas corretamente, caso isto não ocorra podem

ocorrer lesões no ovário, caracterizadas como erros tipo 3. Para a etapa de ligadura das

artérias o bisturi eletrônico é novamente utilizado, sendo, como já mencionado no tópico

anterior, a probabilidade do evento pivotal ligadura das artérias tubo-ovarianas proveniente do

evento topo da AF do bisturi.

Figura 5.14 - DSE da Ligação do Complexo Tubo-Ovariano

5.3.8 Fixação do Ângulo Vaginal

Esta etapa da cirurgia, como já dito anteriormente, depende diretamente da execução

correta da ligadura do complexo ligamentar. Esta dependência é modelada no DSE da Figura

5.15, pois são introduzidos eventos pivotais dado o sucesso ou erro na etapa de ligadura do

complexo ligamentar. Portanto a chance do cirurgião errar a sutura do ângulo vaginal vai

aumentar ou diminuir de acordo com o sucesso ou erro na etapa 5. Vale salientar que as

dependências explicadas anteriormente que são modeladas influenciadas pelos estados finais

da etapa anterior via RB ainda se mantém em todos os outros eventos pivotais do DSE.

Capítulo 5 Caracterização dos Riscos

Os auxiliares continuam a fornecer o cone de visão para o cirurgião, que fixa o ângulo

vaginal através de uma sutura no local. No caso de uma sutura inadequada a paciente pode vir

a apresentar a vagina exteriorizada (erro tipo 5).

Figura 5.15 - DSE da Fixação do ângulo vaginal

5.3.9 Revisão das áreas sangrantes

Nesta etapa os dois auxiliares e o cirurgião tentam identificar se existe alguma área

sangrante na região genital feminina. Caso alguma área seja positivamente identificada com

sangramento o bisturi eletrônico é utilizado para cauterizar tais locais. A cauterização não

eficaz provoca sangramentos (erro tipo 4), podendo levar a paciente a uma hemorragia tendo a

mesma que vir a voltar à sala cirúrgica para ser realizado um novo procedimento. Este mesmo

problema acontece caso a equipe não seja capaz de identificar as áreas sangrantes, entretanto

foi estabelecido que este tipo de erro é caracterizado como uma falsa identificação, erro tipo

Figura 5.16 - DSE da Revisão das áreas sangrantes

Capítulo 5 Caracterização dos Riscos

5.3.10 Toque Retal

A última tarefa estabelecida para a cirurgia é o toque retal na paciente. Nesta etapa o

cirurgião verifica se ainda existe alguma lesão não identificada nas etapas anteriores. Caso ele

não identifique nenhuma lesão e as mesmas realmente não existam ou mesmo faça a

identificação da lesão e uma manobra para a sua correção, a cirurgia ocorre com sucesso ao

final.

Entretanto, se existirem lesões e elas não forem identificadas, pode haver na paciente

uma posterior hemorragia, que em alguns casos provoca o retorno ao centro cirúrgico para

uma novo procedimento.

Figura 5.17 - DSE do toque retal

5.4 Fatores de desempenho envolvidos no processo cirúrgico

Numa cirurgia, segundo relatos dos cirurgiões, um dos primeiros fatores externos de

desempenho a serem levados em consideração é a qualidade do ambiente de trabalho, pois o

mesmo não deve ter perturbação sonora e deve estar numa temperatura agradável para que o

corpo clínico trabalhe em condições adequadas. Um aumento na temperatura pode trazer

desconforto ao cirurgião e provocar que ele perca o foco da cirurgia. Ainda tratando-se de

fatores externos, a percepção exigida ao trabalho é de suma importância para uma boa

execução da tarefa. Dessa mesma maneira destacam-se também os movimentos de precisão

exigidos na cirurgia, a criticalidade de cada etapa cirurgica, a estrutura de comunicação da

equipe e a arquitetura, ou seja, o design, do instrumental e dos equipamentos utilizados pelos

cirurgiões durante o procedimento.

A grande maioria dos médicos cirurgiões realizam duas ou mais cirurgias num único

dia, além de ter que atender a outros pacientes pré ou pós operados. Dessa forma, a carga de

trabalho é muito intensa o que vem a ser um fator de desempenho relevante no contexto

cirúrgico e que, juntamente com o risco na execução da tarefa caracterizam os fatores

estressantes num processo cirúrgico.

Capítulo 5 Caracterização dos Riscos

Dentro da categoria fisiológica, a fadiga é considerada um dos fatores mais relevantes

para a equipe cirúrgica. Esta é diretamente relacionada à carga de trabalho e as condições

ambientais do trabalho já citadas anteriormente.

Como o procedimento cirúrgico trata-se de uma tarefa extremamente minunciosa, exige

de toda e equipe experiência e treinamento, bem como uma boa identifcação com o grupo de

trabalho, pois a todo momento há iteração entre os seus membros. Assim a atenção e o estado

emocional de todos os integrantes são essenciais na determinação dos fatores internos.

Chang & Mosleh (2004) tratam das relações de causa e efeito entre fatores de diferentes

grupos. Entretanto, fatores enquadrados dentro de uma mesma categoria podem influenciar e

ser influenciados por outros desse mesmo grupo. Esta influencia não é levada em

consideração por Chang & Mosleh. Como verificou-se que estas influencias são relevantes

para o procedimento cirúrgico analisado, adota-se neste trabalho a metodologia de influencias

por fatores do mesmo grupo, proposta por Mênezes (2005).

Para a elaboação a rede Bayesiana dos profissionais envolvidos na cirurgia de

histerectomia vaginal foram levados em consideração os fatores que mais influenciam na

análise de confiabilidade humana. Para o 1º e 2º cirurgiões auxiliares foram tratados os

seguintes fatores de desempenho: Experiência, Carga de Trabalho, Condições Ambientais,

Design dos equipamentos, Atenção, Estado Emocional, Identificação com a equipe de

trabalho e Fadiga.

Para o cirurgião tem-se os seguintes FD’s: Experiência, Carga de Trabalho, Condições

Ambientais, Design dos equipamentos, Atenção, Estado Emocional, Identificação com a

equipe de trabalho, Fadiga e Precisão na execução dos movimentos.

Capítulo 5 Caracterização dos Riscos

Figura 5.18 - RB dos Cirurgiões Auxiliares Figura 5.19 - RB do Cirurgião

Segue a definição de cada um dos fatores de desempenho envolvidos nas redes

Bayesianas mostradas nas figuras 5.26, 5.27 e 5.28:

Experiência: conhecimento técnico específico ao procedimento que é adquirido ao

longo do tempo e número de cirurgias realizadas. É caracterizado como adequada ou

inadequada.

Carga de Trabalho: corresponde à jornada de trabalho do indivíduo, ou seja, a

quantidade de horas trabalhadas por dia. É caracterizada como adequada ou inadequada.

Condições Ambientais: conjunto de fatores ambientais do local de realização da tarefa

que influem fisiologicamente sobre os indivíduos, como exemplo cita-se a temperatura,

umidade e ruído do local. É caracterizada como adequada ou inadequada.

Design dos equipamentos: é dada pela disposição e interface dos equipamentos, e

como estes podem vir a influenciar a execução das tarefas. É caracterizado como adequado ou

inadequado.

Atenção: nível de consciência exigido para a execução de uma tarefa. É caracterizado

como adequada ou inadequada.

Capítulo 5 Caracterização dos Riscos

Estado Emocional: estado interior aos indivíduos, que podem ser idenificados por

mudanças no comportamento padrão dos mesmos. É caracterizado como adequado ou

inadequado.

Identificação com a equipe de trabalho: fator de desempanho relacionado à interação

da equipe de trabalho, como a equipe responde em conjunto a execução da tarefa. Está

intimamente ligado ao entrosamento dos indivíduos que compõem a equipe. Pois na

Histerectomia vaginal é muito importente que os auxiliares e o cirurgião tenham coordenação

nos movimentos para que um não venha a atrapalhar o outro. É caracterizado como adequado

ou inadequado.

Fadiga: segundo Nahas (2001) é compreendida como um conjunto de reações que

ocorrem no organismo. Podem ser resultantes de atividades físicas ou mentais, levando à uma

sensação de cansaço generalizado. É comprovado que um aumento na fadiga diminui a

atenção para a execução de tarefas, o que pode ser visto nas três RB mostradas nas figuras

3.1, 3.2 e 3.3. A fadiga é caracterizada como presente ou não presente.

Precisão na execução dos movimentos: capacidade do indivíduo em executar com

exatidão os movimentos. É caracterizada como adequada ou inadequada.

Vale salientar que o nó “Fatores Externos”, “Capacidade p/ executar tarefa” e

“Execução da tarefa em equipe” presentes nas rede Bayesianas do instrumentador, dos

auxiliares e do cirurgião, não são fatores de desempenho, e sim nós que são colocados para a

separação de múltiplos pais, conforme Korb & Nicholson (2003).

Capítulo 6 Resultados

6 RESULTADOS

6.1 Coleta de Dados

A grande dificuldade para a aplicação das redes Bayesianas em modelos de avaliação

probabilística de risco está na grande quantidade de probabilidades necessárias para alimentar

a rede. Na grande maioria dos casos não existe um banco de dados sobre desempenho humano

com as informações necessárias, o que leva à dependência total do conhecimento do

especialista. Segundo Ayyub (2001) especialistas são pessoas experientes e com treinamento

e conhecimento em alguma área específica. Portanto, eduzir esse conhecimento demanda

bastante tempo, o que implica diretamente em altos custos, dado o elevado valor da hora de

trabalho destes especialistas.

De acordo com Zio (1996) uma análise formal da opinião do especialista tem como

objetivo inicial estimar os valores possíveis de um dado parâmetro incerto para representar

corretamente a incerteza associada a ele na luz do atual estado de conhecimento disponível na

comunidade científica. A opinião do especialista pode ser entendida como o seu julgamento

ou crença própria que é baseada em alguma informação ou no seu conhecimento a respeito do

assunto em questão.

Na literatura são apresentadas diversos modelos para a elicitação das probabilidades

junto aos especialistas. Dentre estas, destaca-se do ponto de vista teórico a de Nadler &

Campello de Souza (2001), que leva ao autoconhecimento das crenças do especialista de

forma gradativa, fornecendo métricas matemáticas (enquadrando o questionário como um

problema de programação linear) para avaliar a qualidade das opiniões fornecidas nos

questionários. Entretanto, a técnica impõe uma exigência mínima no número de questões a

serem respondidas, o que para casos de importância prática no qual há um grande número de

probabilidades a serem elicitadas geraria uma quantidade enorme de perguntas a serem

respondidas, o que inviabiliza um pouco a utilização do método. Como contrapartida a esse

problema Firmino et al. (2005) propõe uma redução para 26 questões por questionário, o que

representa uma diminuição proporcional 40% no número de questões.

Todavia, ainda assim o custo da aplicação de tais procedimentos é inviável para o

contexto em análise neste trabalho, devido a disponibilidade de tempo dos médicos. Desta

forma, foi utilizado o método de elicitação direta do especialista, o qual possui custo bem

menor para esta edução.

Capítulo 6 Resultados

Afim de se elicitar as probabilidades condicionais, faz-se necessário introduzir o

especialista no cenário desejado, cabendo ao entrevistador mostrar com clareza e objetividade

o cenário de interesse. A elaboração das questões são fundamentais para esse entendimento.

Deve-se ainda ressaltar que as redes Bayesianas também ajudam bastante o entrevistado a

entender os cenários apresentados, pois estas auxiliam na capacidade do indivíduo simular o

raciocínio nos cenários já conhecidos por ele.

6.1.1 Entrevistas

Para alimentar as redes Bayesianas dos fatores de desempenho, bem como as das etapas

do procedimento cirúrgico são necessárias 156 probabilidades. Estas foram obtidas através do

tratamento dos dados, por intermédio do modelo de Bayes, das entrevistas com três fontes

diferentes: um cirurgião experiente, com alguns anos de experiência na aplicação da técnica

de histerectomia vaginal, uma médica não especializada na área de cirurgia, e por fim as

probabilidades atribuídas pelo próprio analista.

A fim de valorizar a confiança no cirurgião foi atribuído a ele um fator de erro (k)

menor que o fator de erro da médica, que por sua vez teve um fator de erro menor do que o do

analista.

6.2 Modelagem para rede Bayesiana de probabilidade de erro do cirurgião

Tabela 6.1- Tabela de Probabilidades dos nós Folha

Nó Probabilidade de erro ou desfavorável

Condições Ambientais 0,02

Design do Equipamento 0,05

Carga de Trabalho 0,20

Estado Emocional 0,15

Precisão na execução da tarefa 0,10

Identificação do grupo 0,15

Experiência 0,20

Capítulo 6 Resultados

0,05

0,1

0,15

0,2

0,25

FDs do Cirurgião

P(FD do Cirurgião=1)

Experiência

Carga de Trabalho

Estado Emocional

Identificação com Grupo

Precisão

Design do Equipamento

Condições Ambientais

Figura 6.1 - FD do Cirurgião

Para o cirurgião, os FDs estão apresentados no gráfico da Figura 6.1 - FD do Cirurgião.

Observa-se pelo gráfico que os fatores “experiência” e “carga de trabalho” destacam-se como

aqueles de mais relevância na probabilidade de erro do cirurgião, ou seja, a probabilidade

destes dois fatores estarem inadequados é maior que a probabilidade dos demais fatores

estarem inadequadas. No outro extremo, aparece as “condições ambientais” como o fator de

desempenho com menor probabilidade de ser desfavorável.

Tabela 6.2 - TPC dos fatores externos dado design do equipamento (DE) e condições

ambientais (CA)

Fatores externos

DE, CA

Inadequados Adequados

Adequada, Adequada 0 1

Adequada, Inadequado 0,30 0,70

Inadequado, Adequada 0,20 0,80

Inadequado, Inadequado 1 0

Tabela 6.3 - TPC da fadiga dado fatores externos (FE) e carga de trabalho (CT)

Fadiga

FE, CT

Não presente Presente

Adequado, Adequada 0,90 0,10

Adequado, Inadequado 0,70 0,30

Inadequado, Adequada 0,80 0,20

Inadequado, Inadequado 0,60 0,40

Tabela 6.4 - TPC da atenção dado fadiga (FA) e estado emocional (EE)

Atenção

FA, EE

Inadequada Adequada

Presente, Adequado 0,30 0,70

Presente, Inadequado 0,40 0,60

Não presente, Adequado 0,05 0,95

Capítulo 6 Resultados

Não presente, Inadequado 0,15 0,85

Tabela 6.5 - TPC da capacidade de executar a tarefa (CET) dado atenção (AT) e

precisão (PR)

CET

AT, PR

Inadequada Adequada

Adequado, Adequado 0 1

Adequado, Inadequado 0,20 0,80

Inadequado, Adequado 0,30 0,70

Inadequado, Inadequado 1 0

Tabela 6.6 - TPC da execução da tarefa em equipe (ETE) dado CET e identifcação do

grupo de trabalho (IG)

ETE

CET, IG

Sucesso Erro

Adequado, Adequado 0,95 0,05

Adequado, Inadequado 0,90 0,10

Inadequado, Adequado 0,70 0,30

Inadequado, Inadequado 0,60 0,40

Tabela 6.7- TPC do cirurgião dado ETE e a exeperiência (EX) do mesmo

Cirurgião

ETE, EX

Sucesso Erro

Sucesso, Adequado 0,995 0,005

Sucesso, Inadequado 0,90 0,10

Erro, Adequado 0,95 0,05

Erro, Inadequado 0,85 0,15

Dada as condições iniciais do cirurgião para o início do procedimento cirúrgico, a

chance da tarefa ser realizada com sucesso é de 97,3% e de 2,7% de ser realizada com erro.

Uma análise de sensibilidade mostra que a experiência do cirurgião é o fator de

desempenho de maior impacto no resultado final de sua RB. Este fato é comprovado dado que

se o cirurgião tiver experiência comprovada a chance de sucesso para a execução da tarefa no

início da cirurgia aumenta para 98,8%.

Capítulo 6 Resultados

0,005

0,01

0,015

0,02

0,025

0,03

Probabilidades de Erro do Cirurgião

Sem evidência de

experiência

Com evidência de

experiência adequada

Figura 6.2 - Probabilidades de erro do Cirurgião

Uma outra análise é a evidência de que a fadiga está presente no cirurgião a chance de

erro aumenta para 3,0%, que representa um aumento precentual de 11,1%. Sobre este

resultado está implícito o fato de que a carga de trabalho é o fator de maior relevância para a

fadiga, o que mostra que uma craga de trabalho excessiva dimuniu consideravelmente a

confiabilidade humana.

6.3 Modelagem para rede Bayesiana da probabilidade de erro dos cirurgiões

auxiliares

A modelagem da rede Bayesiana para o primeiro e segundo cirurgiões auxiliares são

extamente as mesmas, dado que estes médicos executam as mesmas tarefas, só que em

posições diferentes, um à direita e o outro à esquerda do cirurgião.

Tabela 6.8 - Tabela de Probabilidades dos nós Folha

Nó Probabilidade de erro ou desfavorável

Condições Ambientais 0,02

Design do Equipamento 0,05

Carga de Trabalho 0,10

Estado Emocional 0,15

Identificação do grupo 0,15

Experiência 0,15

Capítulo 6 Resultados

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

FDs dos Auxiliares

P(FD dos Auxiliares=1)

Experiência

Identificação do grupo

Estado Emocional

Carga de Trabalho

Design do Equipamento

Condições Ambientais

Figura 6.3 - FD dos auxiliares

Para os cirurgiões auxiliares, os FDs estão apresentados no gráfico da Figura 6.3.

Observa-se pelo gráfico que os fatores “experiência” e “identificação com o grupo” e “estado

emocional” destacam-se como aqueles de mais relevância na probabilidade de erro dos

auxiliares, ou seja, a probabilidade destes três fatores estarem inadequados é maior que a

probabilidade dos demais fatores estarem inadequadas. No outro extremo, aparece as

“condições ambientais” como o fator de desempenho com menor probabilidade de ser

desfavorável.

O gráfico da Figura 6.4 faz uma comparação entre os fatores de desempenho do

cirurgião e dos auxiliares que são nós raízes das RBs. Observando-se que os únicos dois nós

que apresentam probabilidades diferentes entre o cirurgião e os auxiliares são a “experiência”

e a “carga de trabalho”, o que parece razoável. Pois, normalmente o cirurgião tem uma maior

carga de trabalho do que o auxiliar, bem como a “experiência” do cirurgião causa um maior

impacto na probabilidade de erro durante o processo cirúrgico, visto que ele executa as

principais tarefas do procedimento.

0,05

0,1

0,15

0,2

0,25

Experiência Identificação

do grupo

Estado

Emocional

Carga de

Trabalho

Design do

Equipament o

Condições

Ambientais

FDs comuns nos nós raizes

Probabilidades

Cirurgião

Auxiliares

Figura 6.4 - Probabilidades dos nós raízes

Capítulo 6 Resultados

Tabela 6.9 - TPC dos fatores externos dado design do equipamento (DE) e condições

ambientais (CA)

Fatores externos

DE, CA

Inadequados Adequados

Adequada, Adequada 0 1

Adequada, Não adequada 0,30 0,70

Não adequada, Adequada 0,20 0,80

Não adequada, Não adequada 1 0

Tabela 6.10 - TPC da fadiga dado fatores externos (FE) e carga de trabalho (CT)

Fadiga

FE, CT

Não presente Presente

Adequado, Adequada 0,90 0,10

Adequado, Inadequado 0,70 0,30

Inadequado, Adequada 0,80 0,20

Inadequado, Inadequado 0,60 0,40

Tabela 6.11 - TPC da atenção dado fadiga (FA) e estado emocional (EE)

Atenção

FA, EE

Inadequada Adequada

Presente, Adequado 0,30 0,70

Presente, Inadequado 0,40 0,60

Não presente, Adequado 0,05 0,95

Não presente, Inadequado 0,15 0,85

Tabela 6.12 - TPC da capacidade de execução da tarefa em equipe (ETE) dado atenção

e identificação com o grupo de trabalho (IG)

ETE

AT, PR

Sucesso Erro

Adequado, Adequado 0,95 0,05

Adequado, Inadequado 0,90 0,10

Inadequado, Adequado 0,70 0,30

Inadequado, Inadequado 0,60 0,40

Tabela 6.13 - TPC do cirurgião auxiliar dado ETE e a exeperiência (EX) do mesmo

Cirurgião auxiliar

ETE, EX

Sucesso Erro

Sucesso, Adequado 0,999 0,001

Sucesso, Inadequado 0,90 0,10

Erro, Adequado 0,95 0,05

Erro, Inadequado 0,80 0,20

Capítulo 6 Resultados

Utilizando-se a simulação são obtidos os seguintes valores para os dois auxiliares para o

início da cirurgia:

Sucesso:

0,979

Erro: 0,021

Assim como para o resultado final da RB do cirurgião, uma análise de sensibilidades

comprova que a experiência é o fator de desempenho de maior impacto também para os

auxiliares. Dado a evidência de que o nível da variável experiência está adequado, a chance de

erro é de 0,006 o que representa uma diminuição de 71% na sua probabilidade de erro.

0,005

0,01

0,015

0,02

0,025

Probabilidades de Erro dos Auxiliares

Sem evidência de

experiência

Com evidência de

experiência adequada

Figura 6.5 - Probabilidades de erro dos Auxiliares

6.4 Método proposto de avaliação probabilística do risco

6.4.1 Modelo Integrado Causal Híbrido para Histerectomia Vaginal

Como já explicado anteriormente durante a apresentação da metodologia do trabalho, o

modelo integrado causal híbrido proposto, visa concatenar todas as etapas do procedimento

cirúrgico. Usando para isto as redes Bayesianas, as árvores de falhas e os diagramas de

seqüência de eventos apresentados ao longo do texto. Nas próximas seções este modelo é

desenvolvido e quantificado de acordo com a Figura 6.6, a qual mostra o conceito do modelo

proposto graficamente.

Figura 6.6 - Modelo integrado causal híbrido para Histerectomia Vaginal

Capítulo 6 Resultados

6.4.2 Resultados da simulação

Nas próximas seções serão apresentados os resultados das simulações obtidas a partir do

uso do simulador para modelo causal híbrido.

6.4.2.1 Posição Ginecológica

Nesta primeira etapa as ações do 1

auxiliar e do cirurgião são condições iniciais do

processo, e por essa razão são moldadas de acordo com as redes Bayesianas apresentadas na

Figura 5.18 e Figura 5.19, tendo suas tabelas de probabilidades condicionais apresentadas na

Tabela 6.1 a Tabela 6.13. De acordo com o resultado das simulações apresentadas

anteriormente, obtém-se que o cirurgião tem 2,7% de chance de errar no início da cirurgia.

Enquanto que os auxiliares apresentam 2,1% de chance de errar.

Estas probabilidades são inseridas nos eventos pivotais 1 e 2 do DSE da Figura 5.7, e

em seguida é feita a simulação obtendo-se, conforme pode ser visto na Tabela 6.14, as

probabilidades dos cenários desta operação. A Figura 6.7 apresenta as probabilidades de

ocorrência dos estados finais resultantes da modelagem híbrida apresentada para esta

operação. Esta operação apresentou o estado final “Sucesso” com a maior probabilidade de

ocorrência, enquanto o “Erro 1” apresentou a menor.

Tabela 6.14 - Resultado da modelagem do DSE da Figura 5.7

0,2

0,4

0,6

0,8

Estados Finais

Probabilidades

Sucesso

Erro 1

Figura 6.7 - Probabilidade dos estados finais da etapa do DSE da Figura 5.7

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro1 Erro 1 0,000567 1

2 Iniciador:Sucesso Sucesso 0,999433 2

Capítulo 6 Resultados

6.4.2.2 Incisão da mucosa vaginal ao nível da prega vésico-uterina

Nesta etapa do procedimento começa a surgir a dependência entre o estado final da

etapa anterior e os evento pivotais da etapa atual. A modelagem de erros do cirurgião e do 1

auxiliares são feitas inserindo-se um nó folha na RB dos fatores de desempenho, ligado

diretamente aos nós finais de cada RB, contendo as probabilidades das variáveis dos estados

finais da etapa anterior . A Figura 6.9 e a Figura 6.10 ilustram este fato.

Devido à introdução deste novo nó na RB do cirurgião, é refeita a simulação da mesma,

obtendo-se agora as seguintes probabilidades de sucesso ou erro na execução da tarefa para o

cirurgião:

Sucesso:

0,970

Erro: 0,030

A partir destes valores conclui-se que um erro de posicionamento da paciente na

posição ginecológica aumenta em 11% a chance do cirurgião cometer um erro nesta etapa do

procedimento. Isto se deve ao fato de que um mau posicionamento dificulta o acesso à

genitália interna feminina, e conseqüentemente expande o grau de dificuldade para a incisão

da mucosa vaginal anterior.

Analogamente o mesmo procedimento é feito para a RB dos Auxiliares, obtendo-se os

seguintes valores de probabilidades:

Sucesso:

0,976

Erro: 0,024

Ou seja, o erro de posicionamento causa um aumento de 14% na chance dos auxiliares

cometerem erros nesta etapa do procedimento.

Estes valores atualizados de probabilidades são agora inseridos no DSE da Figura 5.9, e

em seguida é feita a simulação obtendo-se, conforme pode ser visto na Tabela 6.15, as

probabilidades dos cenários desta operação. A Figura 6.8 apresenta as probabilidades de

ocorrência dos estados finais resultantes da modelagem híbrida apresentada para esta

operação. Esta operação apresentou o estado final “Sucesso” com a maior probabilidade de

ocorrência, enquanto o “Erro 3” apresentou a menor.

Tabela 6.15 - Resultado da modelagem do DSE da Figura 5.9

Capítulo 6 Resultados

0,2

0,4

0,6

0,8

Estados Finais

Probabilidades

Sucesso

Erro 4

Erro 3

Figura 6.8 - Probabilidade dos estados finais do DSE da Figura 5.9

Figura 6.9 - RB Cirurgião Figura 6.10 - RB Auxiliares

6.4.2.3 Incisão da mucosa vaginal ao nível da prega retovaginal

Da mesma forma que na etapa anterior, a dependência entre os estados finais da etapa

anterior e os eventos pivotais da etapa atual passa a existir, acumulando-se assim o histórico

dos passos anteriores da cirurgia. Entretanto, nesta etapa é inserido um nó na RB do cirurgião

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,0023705056 1

2 Iniciador:Erro 4 Erro 4 0,0296392982 3

3 Iniciador:Sucesso Sucesso 0,9679901961 3

Capítulo 6 Resultados

e dos auxiliares, contendo as probabilidades das variáveis que representam os estados finais

da etapa anterior, que são as probabilidades do erro 3, erro 4 e sucesso.

Atualizando-se as probabilidades obtém-se para o cirurgião os seguintes resultados:

Sucesso:

0,967

Erro: 0,033

Caso os erros não tenham se propagado até esta tarefa, o cirurgião terá uma

probabilidade de erro, como já visto na RB inicial do cirurgião, de 0,027. Dessa forma a

confirmação da presença dos erros traz um acréscimo de 18% na probabilidade de erro.

Para os auxiliares, encontra-se um resultado similar:

Sucesso:

0,971

Erro: 0,029

Analogamente à análise feita ao cirurgião, se os erros não forem detectados até este

momento da cirurgia a taxa de erros dos auxiliares será de 0,021. Redução que representa uma

diminuição percentual de 28%.

Novamente, as probabilidades obtidas nesta rodada de simulação das RBs são inseridas

no DSE da incisão da mucosa vaginal posterior, apresentando os seguintes resultados:

Tabela 6.16 - Resultado da modelagem do DSE Figura 5.10

0,2

0,4

0,6

0,8

Estados Finais

Probabilidades

Sucesso

Erro 4

Erro 3

Figura 6.11 - Probabilidade dos estados finais do DSE Figura 5.10

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,0000277001 1

2 Iniciador:Erro 4 Erro 4 0,0329990841 3

3 Iniciador:Sucesso Sucesso 0,9669731628 3

Capítulo 6 Resultados

6.4.2.4 Ligadura do complexo ligamentar

Analogamente às etapas anteriores, o histórico do procedimento é trazido até este

momento da cirurgia. A RB do cirurgião e dos auxiliares é exatamente a mesma da Figura 6.9

e da Figura 6.10, com o nó que representa os estados finais da etapa anterior apresentando os

valores das probabilidades do erro tipo 3, erro tipo 4 e sucesso. A atualização de valores, via

simulação, apresenta os seguintes resultados para o cirurgião:

Sucesso:

0,962

Erro: 0,038

E para os auxiliares:

Sucesso:

0,968

Erro: 0,032

De posse destes resultados os mesmos são introduzidos no DSE da ligadura do

complexo ligamentar. Após a simulação os seguintes percentuais são obtidos:

Tabela 6.17 - Resultado da modelagem do DSE Figura 5.11 - DSE da Ligadura do

Complexo Ligamentar

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 1

Erro 5

Figura 6.12 - Probabilidade dos estados finais do DSE Figura 5.11 - DSE da Ligadura do

Complexo Ligamentar

Fazendo-se uma análise de sensibilidade para este resultado percebe-se que o erro tipo 1

aumentou significativamente nesta etapa do procedimento, o que torna a cirurgia mais

demorada e conseqüentemente mais desgastante para toda a equipe cirúrgica. A repercussão

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 5 Erro 5 0,035606912 1

2 Iniciador:Erro 1 Erro 1 0,062976000 3

3 Iniciador:Sucesso Sucesso 0,901417088 1

Capítulo 6 Resultados

para este fato se dará com a inclusão desta taxa na RB da ligadura das artérias uterinas do

cirurgião e dos auxiliares.

O erro tipo 5 não será introduzido na próxima etapa do processo, pois este apresenta

uma dependência direta com a etapa de fixação do ângulo vaginal conforme já mostrado

anteriormente. Este erro foi inserido diretamente no DSE da fixação do ângulo vaginal.

6.4.2.5 Ligadura das artérias uterinas

O erro tipo 1 da etapa anterior é introduzidas nas RB o cirurgião e do auxiliar, gerando

os seguintes resultados:

Para o cirurgião:

Sucesso:

0,962

Erro: 0,038

Para os auxiliares:

Sucesso:

0,968

Erro: 0,032

A modelagem de erro do evento pivotal 5 (ligadura da artérias uterinas com bisturi

elétrico) do DSE da Figura 5.13, é feito através da árvore de falhas da Figura 6.13.

O evento básico 1 é a utilização do bisturi pelo cirurgião, tendo como probabilidade de

falha o mesmo resultado da simulação feita para a RB do cirurgião nesta etapa do

procedimento, ou seja, 0,038. Este evento é unido através de uma porta “OU” com o evento

falha do bisturi para assim gerar o resultado do evento topo.

A falha do bisturi pode acontecer se qualquer um dos eventos básicos 2, 3 ou 4

acontecerem. Segundo Marx & Slonim (2003) quando inicialmente ainda não existem

pesquisa ou consenso sobre a taxa de falha para um determinado evento, “ancora-se” a

estimativa em 1 erro a cada 1000 tentativas, ou seja, uma taxa de 0,001. Este valor foi

considerado aceitável pelo especialista em manutenção de EMH consultado. Posteriormente,

com a construção de um banco de dados, este valor é ajustado para cima ou para baixo.

Uma falha total no bisturi, como por exemplo uma falha elétrica que impossibilite o uso

do mesmo na cirurgia, não foi adicionada à AF pois supõe-se que caso isto ocorra exista um

equipamento similar de backup para repor aquele impossibilitado para uso.

Capítulo 6 Resultados

Figura 6.13 - Árvore de Falhas com evento topo Falha na aplicação do bisturi

A taxa de falha na aplicação do bisturi é então igual a 0,041.

Se o bisturi eletrônico passar por constantes calibrações e a manutenção preventiva for

feita com a periodicidade indicada pelo fabricante do equipamento, a taxa de falha no painel

de controle e na falha de calibração serão reduzidas de acordo com a experiência de um

especialista consulado na área de manutenção de equipamentos médico-hospitalares. Segundo

este especialista, numa análise pessimista esta taxa de indisponibilidade do equipamento

poderia cair para 0,035, representando uma diminuição de 8% nesta indisponibilidade. Este

fato evidencia a necessidade de que a equipe responsável pelo gerenciamento do parque

tecnológico instalado dentro do hospital, geralmente realizado pelo departamento de

Engenharia Clínica, mantenha um rígido controle sobre a calibração e a manutenção

preventiva dos equipamentos que estão sobre a sua tutela.

De posse de todas as probabilidades necessárias para alimentar os EP do DSE, executa-

se a simulação obtendo-se:

Tabela 6.18 - Resultado da modelagem do DSE da Figura 5.13

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,035606912 1

2 Iniciador:Erro 4 Erro 4 0,036852738 4

3 Iniciador:Erro 1 Erro 1 0,062976000 3

4 Iniciador:Sucesso Sucesso 0,864564350 1

Capítulo 6 Resultados

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 1

Erro 4

Erro 3

Figura 6.14 - Probabilidade dos estados finais da Figura 5.13

6.4.2.6 Ligação do complexo tubo-ovariano

Esta etapa é muito parecida com a anterior entretanto, nas RB do cirurgião e dos

auxiliares são adicionados o nó com as probabilidades dos três tipos de erros e do sucesso.

Para o cirurgião obtém-se os seguintes resultados:

Sucesso:

0,958

Erro: 0,042

E para os auxiliares:

Sucesso:

0,964

Erro: 0,036

O EP 5 deste DSE tem a taxa de falha dada pelo evento topo da AF da Figura 6.13.

Portanto, atribuindo-se a probabilidade do cirurgião realizar esta tarefa, obtém-se que a falha

na aplicação do bisturi acontece em 4,5 vezes de cada 100 realizadas. Inserindo-se estes dados

no DSE são obtidos os seguintes resultados para os estados finais:

Tabela 6.19 - Resultado da modelagem do DSE da Figura 5.14

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,039030432 1

2 Iniciador:Erro 4 Erro 4 0,039947219 4

3 Iniciador:Erro 1 Erro 1 0,070704000 3

4 Iniciador:Sucesso Sucesso 0,850318349 1

Capítulo 6 Resultados

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 1

Erro 4

Erro 3

Figura 6.15 - Probabilidade dos estados finais da Figura 5.14

6.4.2.7 Fixação do ângulo vaginal

Como já discutido anteriormente, existe uma dependência direta entre esta etapa do

procedimento e a ligadura do complexo ligamentar, que foi modelada no próprio DSE.

Mesmo com esta dependência já apresentada, o histórico da etapa imediatamente anterior a

este passo também é introduzido nas RB do cirurgião e do auxiliar. Os estados finais da etapa

anterior apresentam quatro variáveis (erro 1, 3 e 4 e sucesso) que são introduzidos no nó da

RB do cirurgião e dos auxiliares resultando em:

Cirurgião:

Sucesso:

0,951

Erro: 0,049

Auxiliares:

Sucesso:

0,959

Erro: 0,052

Com estes resultados faz-se a simulação do DSE da fixação do ângulo vaginal

encontrando-se os seguintes valores (inserido-se o valor da probabilidade de ocorrência do

erro tipo 5 no quarto evento pivotal do DSE):

Tabela 6.20 - Resultado da modelagem do DSE da Figura 5.15

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 5 Erro 5 0,045064369 4

2 Iniciador:Erro 1 Erro 1 0,080319000 3

3 Iniciador:Sucesso Sucesso 0,874616631 1

Capítulo 6 Resultados

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 1

Erro 5

Figura 6.16 - Probabilidade dos estados finais da Figura 5.15

Desta forma observa-se que a chance da paciente ter um problema de prolapso de

cúpula vaginal devido ao procedimento cirúrgico é de 4,5%.

6.4.2.8 Revisão das áreas sangrantes

A penúltima etapa do procedimento é modelada com a transposição do estado final erro

tipo 1 da fixação do ângulo vaginal para a RB do cirurgião e dos auxiliares, que apresentam

os seguintes resultados:

Para o cirurgião:

Sucesso:

0,957

Erro: 0,043

Para os auxiliares:

Sucesso:

0,960

Erro: 0,040

Como nesta etapa o bisturi é utilizado para cauterização dos vasos sangrantes, a sua

probabilidade de falha é determinada a partir da AF do bisturi. Estes cálculos mostram que

esta probabilidade é de 0,046.

Assim este valor retirado AF da utilização do bisturi é introduzida para gerar as

probabilidades do último EP do DSE da Figura 5.16. Assim os estados finais desta etapa

apresentam os seguintes valores:

Tabela 6.21 - Resultado da modelagem do DSE da Figura 5.16

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,00016 1

2 Iniciador:Erro 4 Erro 4 0,04599264 3

3 Iniciador:Sucesso Sucesso 0,95384736 3

Capítulo 6 Resultados

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 4

Erro 3

Figura 6.17 - Probabilidade dos estados finais da Figura 5.16

6.4.2.9 Toque retal

Na última etapa da cirurgia apenas a RB do cirurgião é novamente atualizada. E como

só existe um único evento pivotal nesta etapa, que é a realização do toque retal para

identificação de possíveis lesões, o próprio valor do sucesso ou erro do cirurgião será

caracterizado como o sucesso ou erro na cirurgia.

Com isto após a simulação obtêm-se as seguintes probabilidades para o cirurgião:

Tabela 6.22 - Resultado da modelagem do DSE da Figura 5.17

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Estados Finais

Probabilidades

Sucesso

Erro 3 e Erro 4

Figura 6.18 - Probabilidade dos estados finais da Figura 5.17

Para esta última etapa os erros tipo 3 e 4 foram englobados pois a partir deste momento

qualquer problema com a paciente será caracterizado como um problema pós-operatório.

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 e Erro 4 Erro 3 e Erro 4 0,038 1

2 Iniciador:Sucesso Sucesso 0,962 1

Capítulo 6 Resultados

6.4.3 Análise de Sensibilidade

A fim de ilustrar a flexibilidade da metodologia proposta nos tópicos anteriores, são

apresentadas abaixo algumas análises de sensibilidade das etapas do procedimento cirúrgico.

Para a etapa da incisão da mucosa vaginal no nível da prega vésico-uterina, pode-se

estabelecer a seguinte análise: Dado que foi evidenciada a experiência do cirurgião como

adequada, executa-se uma nova simulação na sua RB. A probabilidade de erro do mesmo

passa a ser 0,012 contra a probabilidade de 0,030 quando não existia nenhuma evidência de

experiência. Inserindo-se esse novo dado no respectivo DSE obtém-se o seguinte cenário:

Tabela 6.23 - Resultado da modelagem do DSE da Figura 5.9 dado nível de experiência

do cirurgião adequado

A Figura 6.19 apresenta a comparação entre as probabilidades dos estados finais do

DSE da Figura 5.9. O erro tipo 3 foi omitido do gráfico, pois as suas probabilidades

apresentam valores muito baixos que não apareceriam no mesmo.

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Sucesso Erro 4

Probabilidades

Sem Evidência de

experiência do cirurgião

Com evidência de

exeperiência adequada

do cirurgião

Figura 6.19 - Comparativo das probabilidades dos estados finais do DSE da Figura 5.9

Já para a etapa de incisão da mucosa vaginal ao nível da prega reto-vaginal foi feita uma

análise de sensibilidade comparando-se o impacto da evidência de dois fatores de

desempenho no resultado dos estados finais desta etapa.

Como já mencionado anteriormente no desenvolvimento dos fatores de desempenho do

cirurgião, foi constatado que a experiência é o fator de maior impacto para a RB do cirurgião.

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 0,00000057600 1

2 Iniciador:Erro 4 Erro 4 0,01199993088 3

3 Iniciador:Sucesso Sucesso 0,98799430912 3

Capítulo 6 Resultados

Este fato é comprovado pelo gráfico abaixo, que compara qual a importância do fator

experiência com o fator fadiga.

Caso não exista nenhuma evidência na RB do cirurgião, ele tem uma probabilidade de

executar esta etapa com sucesso de 0,967. Dado a evidência de que a sua experiência é

adequada esta probabilidade aumenta para 0,9858, o que representa um aumento de 1,94%.

Enquanto que, não havendo nenhuma evidência sobre a experiência do cirurgião, e existindo a

evidência de que a fadiga não está presente a probabilidade do cirurgião executar a tarefa com

sucesso passa a ser de 0,971, ou seja, um aumento percentual de 0,40%. Abaixo são

apresentados os cenários para cada um dos casos.

Tabela 6.24 - Resultado da modelagem do DSE da Figura 5.10 dado nível de

experiência do cirurgião adequado

Tabela 6.25 - Resultado da modelagem do DSE da Figura 5.10 dado a evidência que a

fadiga não está presente na RB do cirurgião

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Sucesso Erro 4

Probabilidades

Sem nenhuma evidência

Com evidência de

experiência adequada

Com evidência de fadiga

não presente

Figura 6.20 – Comparativo das probabilidades dos estados finais do DSE da Figura 5.10

A Figura 6.20 comprova o que já havia sido explicitado anteriormente neste trabalho,

que a experiência do cirurgião é um dos fatores de desempenho de maior impacto no resultado

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 8,41E-06 1

2 Iniciador:Erro 4 Erro 4 0,014199880578 3

3 Iniciador:Sucesso Sucesso 0,985791709422 3

Ranking

Cenário

Tipo de

Estado Final

Probabilidade

Cortes

Mínimos

1 Iniciador:Erro 3 Erro 3 8,41E-06 1

2 Iniciador:Erro 4 Erro 4 0,02899975611 3

3 Iniciador:Sucesso Sucesso 0,97099183389 3

Capítulo 6 Resultados

das probabilidades dos estados finais das etapas do procedimento cirúrgico. Este fato pode ser

explorado pelos centros de saúde, em que se realizam histerectomias vaginais, para passarem

a investir cada vez mais na capacitação dos cirurgiões. Ficando claro, a necessidade de todas

as equipes cirúrgicas possuírem ao menos um cirurgião com experiência comprovada, de

forma a mitigar os riscos durante a histerectomia.

Estas duas análises de sensibilidade foram apenas uma amostra da potencialidade da

metodologia proposta. Podendo nos trabalhos futuros serem exploradas as análises de

sensibilidade nos demais fatores de desempenho do cirurgião e dos auxiliares, explicitando-se

quais e em quanto cada um dos fatores influencia no resultado final da cirurgia.

Capítulo 7 Conclusões

7 Conclusões

Este trabalho apresentou uma metodologia causal híbrida que combina redes

Bayesianas, árvore de falhas e diagramas de seqüências de eventos para análise probabilística

de risco do procedimento cirúrgico de Histerectomia Vaginal. Entretanto, esta metodologia

não está restrita só a este tipo de cirurgia, podendo ser aplicada, desde que devidamente

ajustada, para qualquer outro tipo de procedimento cirúrgico. Tornando-se, dessa maneira,

uma ferramenta para erradicar/mitigar os riscos durante as etapas de uma cirurgia.

Como já mencionado na introdução desta dissertação, são escassos os trabalhos no

contexto específico de avaliação de risco no decorrer dos procedimentos cirúrgicos. Apenas

Dierks & Nouri (2006) avaliam o risco de procedimentos cirúrgicos ao longo de todas as fases

do processo, como pré-operatório, intra-operatório e pós-operatório, entretanto, sem avaliar os

riscos da execução das ações humanas durante o procedimento cirúrgico. É justamente numa

tentativa de pelo menos preencher parcialmente este vazio que se propõe a metodologia para

avaliação de risco na área cirúrgica, combinando confiabilidade humana com confiabilidade

de equipamentos médicos.

O modelo proposto nesta dissertação mostrou-se condizente e eficaz para identificação e

quantificação dos erros. De acordo com os resultados obtidos, verificou-se que esta

metodologia de avaliação de risco está de acordo com os resultados esperados pelos

especialistas. Fato este que vem estimular a continuidade deste projeto, ficando a proposta

para aplicação do mesmo em outros procedimentos cirúrgicos, como por exemplo,

transplantes de órgãos humanos, dado que são cirurgias de alta complexidade em que os erros

devem ser minimizados devido a escassez de órgãos disponíveis.

7.1 Resumo das atividades

Inicialmente, a técnica de Histerectomia Vaginal Total foi estudada, e com auxílio de

especialistas da área, foi elaborado a descrição hierárquica das tarefas. A descrição das tarefas

englobou todas as etapas de um procedimento cirúrgico: desde do pré-operatório até o pós-

operatório. Contudo, apenas as etapas diretamente relacionadas à execução da cirurgia foram

foco principal deste trabalho. Estas etapas foram descriminadas através de tabelas,

identificando-se os responsáveis, as suas tarefas, possíveis erros associados e suas

conseqüências.

Capítulo 7 Conclusões

De posse destas tabelas, foram construídos os diagramas de seqüências de eventos para

cada uma das etapas do procedimento cirúrgico, de acordo com os objetivos estabelecidos no

início deste trabalho. Para correta construção dos DSEs foi necessário estabelecer as variáveis

associadas aos estados finais para cada etapa da cirurgia.

O passo seguinte do trabalho foi relacionar, também com o auxílio dos especialistas,

todos os fatores de desempenho relevantes ao corpo clínico que executa as tarefas. Estes

fatores são montados de forma a construir as redes Bayesianas que determinam a

probabilidade de erro humano para execução de uma tarefa. No início do trabalho havia a

intenção de se construir uma RB para cada elemento presente dentro da sala cirúrgica e que

influenciasse na execução da cirurgia. Entretanto, as RBs do anestesista e do instrumentador

não foram construídas pois aumentaria significativamente a complexidade do trabalho, bem

como o número de probabilidades a serem elicitadas, ficando esta complementação proposta

para trabalhos futuros.

A etapa subseqüente estabelecida nos objetivos do trabalho, corresponde ao

desenvolvimento da análise de confiabilidade dos equipamentos médico-hospitalares

envolvidos no processo cirúrgico. Para tal análise foi construída uma árvore de falhas

envolvendo o bisturi elétrico, que é o único equipamento eletrônico utilizado pelo cirurgião

durante o procedimento, ficando a análise de confiabilidade dos outros equipamentos,

utilizados pelo anestesista, para serem também inseridos em trabalhos futuros.

Em seguida foi elaborado a metodologia causal híbrida baseada na integração dos

diagramas de seqüências de eventos, árvore de falhas e redes Bayesianas dinâmicas. Nesta

modelagem, como já mencionado nos capítulos anteriores, os eventos pivotais dos DSEs

relacionados a erros humanos, ou seja, resultantes diretamente de ações humanas, são

modelados através das redes Bayesianas, enquanto que os eventos pivotais relacionados à

falha de equipamentos são modelados via árvore de falhas.

A fim de alimentar as probabilidades do modelo proposto foram realizadas as

elicitações com os especialistas. Devido ao número bastante elevado de probabilidades a

serem elicitadas, foi estabelecido o método de elicitação direta, questionando-se os

especialistas sobre os valores mais freqüentes, otimistas e pessimistas para cada cenário

apresentado. Foi constatada uma dificuldade por parte dos especialistas para indicar estas

probabilidades, ficando claro que, ao responder a primeira probabilidade, seja a mais

freqüente, otimista ou pessimista, o especialista ancora esta probabilidade como base para

responder as demais.

Capítulo 7 Conclusões

Dessa forma, como o foco principal deste trabalho é a apresentação de um modelo para

avaliação probabilística do risco em um procedimento cirúrgico, caracterizando os cenários,

desenvolvendo as redes Bayesianas para estes cenários e integrando-as com os diagramas de

seqüências de eventos para obter as probabilidades dos estados finais dos cenários, fica

proposto para uma complementação deste trabalho a utilização de uma metodologia mais

adequada para a elicitação das probabilidades.

A última etapa do trabalho foi simular, através do simulador de modelos causais, os

cenários montados. Observa-se que neste primeiro momento, a importância dos valores

obtidos se dá muito mais para confirmar a viabilidade do modelo proposto, do que como

forma de estudar as probabilidades de risco para a histerectomia vaginal, pois ainda faz-se

necessário melhorar o método de elicitação, bem como integrar o anestesista e o

instrumentador nos cenários do procedimento cirúrgico.

7.2 A metodologia causal híbrida

Como já mencionado anteriormente, o foco principal deste trabalho foi à apresentação

de uma metodologia para avaliação probabilística de risco durante um procedimento

cirúrgico. Dessa forma, alguns comentários a respeito dos aspectos importantes da

metodologia causal híbrida que foram demonstrados na análise do procedimento de

histerectomia vaginal se fazem pertinentes.

• Identificação explícita das relações causais dos estados indesejados (riscos).

Com essa identificação pode-se melhor gerenciar os riscos, reduzindo-se a

verossimilhança dos mesmos ou as suas conseqüências. Pode-se, portanto,

erradicar ou mitigar os riscos, pois suas causas são conhecidas e explicitadas.

• A modelagem da confiabilidade humana via redes Bayesianas, torna a

identificação dos erros cometidos pelos homens mais eficiente. Pois, todos os

fatores de desempenho envolvidos na execução das tarefas são relacionados,

possibilitando ao analista inferir sobre quais destes fatores mais afetam o

resultado final da tarefa.

• Flexibilidade nas análises de sensibilidade, possibilitando ao analista não apenas

identificar quais eventos, fatores de desempenho e confiabilidade de

determinados equipamentos são importantes, mas sim mensurar essa

importância. Ou seja, de quanto é essa importância.

Capítulo 7 Conclusões

7.3 Desafios para trabalhos futuros

• Integrar ao modelo todas as etapas e equipamentos utilizados durante o

procedimento cirúrgico, para reproduzir os cenários desejados o mais próximo

possível da realidade;

• Utilizar métodos de elicitação de especialistas mais eficientes e que sejam

economicamente viáveis;

• Realização de elicitação com mais especialistas para minimizar possíveis

discrepâncias nos resultados;

• Criação de um banco de dados que passe a alimentar as redes Bayesianas

dinâmicas, podendo-se desta forma ajustar as probabilidades que foram

atribuídas pelo especialista;

• Realização de outras análises de sensibilidades para os cenários apresentados;

• Elaboração de planos de melhorias para alguns cenários apresentados.

Identificando-se de que forma benfeitorias como treinamento do profissional, ou

mesmo melhorias no instrumental cirúrgico causarão impactos na avaliação do

risco do procedimento;

• A partir da análise das benfeitorias quantificá-las em termos de tempo e dinheiro

gastos, avaliando a viabilidade destas melhorias;

Referências Bibliográficas

REFERÊNCIAS BIBLIOGRÁFICAS

AKERSTEDT, T.; FREDLUND, P.; GILLBERG, M. & JANSSON, B. (2002)- Work load

and work hours in relation to disturbed sleep and fatigue in a large representative sample.

Journal of Psychosomatic Research. Vol. 53, p. 585-588.

AYYUB, B. M. (2001)- Elicitation of expert opinions for uncertainty and risks. CRC Press.

Boca Raton, FL.

BUSSAB, W. O. & MORETTIN, P. A. (2003) – Estatística Básica . 5 ed. Editora Saraiva São

Paulo.

BYE, A., HOLLNAGEL, E. & BRENDEFORD, T. S. (1999)- Human machine function

allocation: a functional modeling approach. Reliability Engineering & System Safety. Vol.

64, p. 291-300.

CARLSON, KAREN J. (1997) - Outcomes of Hysterectomy, Clinical Obstetrics &

Gynecology. Fetal Growth Restriction; 40(4):939-946.

CHANG, Y. H. & MOSLEH, A. (1999)- Cognitive modeling and dynamic probabilistic

simulation of operating crew response to complex system accidents (ADS-IDACrew).

Center for Technology Risk Studies. University of Maryland.

COOKE, R. (1991)- Experts in Uncertainty: Opnion and subjective probability in science.

Oxford University Press. New York.

COSTA, A., AMORIM, M., & CURSINO, T. (2003) - Histerectomia vaginal versus

histerectomia abdominal em mulheres sem prolapso genital, em maternidade-escola do

Recife: ensaio clínico randomizado, Rev Bras Ginecol Obstet. Vol. 25, p. 169-176.

COOKE, R. (2004)- The anatomy of the squizzel: the role of operational definitions in

representing uncertainty. Reliability Engineering & System Safety. Vol. 83, p. 313-319.

DAVIDOFF, L. (2001)- Introdução à psicologia. Mcgraw-Hill do Brasil. São Paulo.

Referências Bibliográficas

DESAULNIERS, D. R. (1997)- Stress in the control room: effects and solutions. U. S.

Nuclear Regulatory Commission. Washington, D.C. 20555.

DIERKS, M.M & NOURI, K. (2006)- Modeling Risk in complex medical domains:

Understanding ‘hidden’ interactions and variations across different phases of care.

Proceedings of the 8th International Conference on Probabilistic Safety Assessment and

Management. PSAM-0417.

DRISKELL, J. E. & SALAS, E. (1996)- Stress and human performance. Lawrence Erlbaum

Associates. New Jersey.

DROGUETT, E. L.; GROEN, F. & MOSLEH, A. (2006)- Bayesian assessment of the

variability of reliability measures. Pesquisa Operacional. Vol. 26,no.1, p. 109-127

DROGUETT, E. L.; GROEN, F. & MOSLEH, A. (2004)- The combined use data and expert

estimates in population variability analysis. Reliability Engineering and Systems Safety.

Vol. 83, p. 311-321.

FIGUEIREDO O, FIGUEIREDO EG, FIGUEIREDO PG, PELOSI MA. (1999) - Vaginal

removal of the benign nonprolapsed uterus: experience with 300 consecutive

operations.Obstet Gynecol; 94:348-51.

FIRMINO, P. R. (2004)- Redes Bayesianas para Parametrização da confiabilidade em

sistemas Complexos. Recife. 89p. (Mestrado- Programa de Pós-graduação em Engenharia

de Produção/ UFPE).

FIRMINO, P. R.; MENÊZES, R. C., DROGUETT, E. L. & DUARTE, D. L. (2006)-

“Eliciting Engineering Judgments in Human Reliability Assessment”. Artigo submetido e

aceito para o Annual Reliability & Maintainability Symposium (RAMS) 2006. California –

EUA.

FIRMINO, P. R.; MENÊZES, R. C.; DROGUETT, E. L. (2005) - Método aprimorado para a

quantificação do conhecimento em análises de confiabilidade por redes Bayesianas.

Simpósio Brasileiro de Pesquisa Operacional (SBPO), , Anais do SBPO, 37, Gramado,

Brasil.

FORESTER, J.; BLEY, D.; COOPER, S.; LOIS, E.; SIU, N.; KOLACZKOWSKI, A. & SIU,

N. (2004)- Expert elicitation approach for performing ATHEANA quantification.

Reliability Engineering & System Safety. Vol. 83, p. 207-220.

Referências Bibliográficas

FUJITTA, Y. & HOLLNAGEL, E. (2004)- Failures without errors: quantification of context

in HRA. Reliability Engineering & System Safety. Vol. 83, p. 145-151.

GOOSSENS, L. H. J. & COOKE, R.M. (1997)- Applications of some risk assessment

techniques: formal expert judgment and accident sequence precursors. Safety science. Vol.

26, p. 35-47.

HALLBERT, B.; GERTMAN, D.; LOIS, E.; MARBLE, J.; BLACKMAN, H. & BYERS, J.

(2004)- The use of empirical data sources in HRA. Reliability Engineering & System

Safety. Vol. 83, p. 139-143.

HAMMOND, J. S.; KEENEY, R. L. & RAIFFA, H. (1999)- Somos movidos a decisões,

decisões inteligentes: como avaliar alternativas e tomar a melhor decisão. 5 ed. Campus.

Rio de Janeiro.

HOLLNAGEL, E. (1998)- Cognitive Reliability and Error Analysis Method CREAM. Elsevier

Science. Oxford.

HOLLNAGEL, E. (1996)- Reliability analysis and operator modeling. Reliability Engineering

and System Safety. Vol. 52, p.327-337.

HOKSTAD, P.; KNUT, O. & REINERTSEN, R. (1998)- Recommendations on the use of

expert judgment in safety and reliability engineering studies. Reliability Engineering and

System Safety. Vol. 61, p. 65-76.

HUANG, C. & DARWICHE, A. (1994) – Inference in Belief Networks: A Procedure Guide.

International Journal of Approximate Reason. Vol. 11, p. 1-158.

INPO (1985). A maintenance analysis of safety significant events. Atlanta, GA: Institute of

Nuclear Power Operations.

KIM, I. S. (2001) Human reliability analysis in the man-machine interface design review.

Annals of Nuclear Energy. Vol. 28, p. 1069-1081.

KIRWAN, B. & AINSWORTH, L.K. (1992)- A guide to task analysis. Taylor & Francis.

Washington.

Referências Bibliográficas

KORB, K. B. & NICHOLSON, A. E. (2003)- Bayesian artificial intelligence. Chapman &

Hall/CRC. Florida.

KOVAC, S. ROBERT. (2000) - Hysterectomy outcomes in patients with similar indications,

Obstetrics & Gynecology; 95:787-793.

KUMAMOTO, H. & HENLEY, E. (1996)- Probabilistic Risk Assessment and Management

for Engineers and Scientists, IEEE Press, Piscataway, NJ.

MACEDO ALS, SIMÕES PM, MACEDO FLS. (1995) - Histerectomia vaginal em pacientes

não portadoras de prolapso do útero: estudo de 370 casos.Rev Bras Ginecol Obstet;

17:1011-9.

MARSDEN, P. & HOLLNAGEL, E. (1996)- Human interaction with technology: the

accidental eser. Acta Psychologica. Vol. 91, p. 345-358.

MARTZ, H. F. & WALLER, R. A. (1982)- Bayesian reliability analysis. 2 ed. Krieger

Publishing Company. Florida.

MARX,, D. A. & SLONIM, A. D. (2003)- Assessing patient safety risk before the injury

occurs: an introduction to sociotechnical probabilistic modeling in health care. Qual. Saf.

Health Care. Vol 12, p. 33-38.

MENEZES, R. C. S. (2005) – Uma metodologia para a avaliação da confiabilidade humana

em atividades de substituição de cadeias de isoladores em linhas de transmissão. Recife.

179p. (Mestrado- Programa de Pós-graduação em Engenharia de Produção/ UFPE).

MOSLEH, A. & CHANG, Y. H. (2004)- Model-based human reliability analysis: prospects

and requirements. Reliability Engineering & System Safety. Vol. 83, p. 241-253.

NADLER, G. C. & CAMPELLO, F. M. (2001)- In: 2

International Symposium on Imprecise

Probabilities and Their Applications. New York. A protocol for the elicitation of prior

distributions.

NAHAS, M. V.(2001)- Atividade física, Saúde e Qualidade de vida: conceitos e sugestões

para um estilo de vida ativo.Midiograf. Londrina.

Referências Bibliográficas

NEAPOLITAN, R. E. (2004)- Learning Bayesian Networks. Pearson Prentice Hall. New

Jersey.

ONÍSKO, A., DRUZDZEL, M. J. & WASYLUK, H. (2001)- Learning Bayesian Network

parameters from small data sets: application of Noisy-OR gates. International Journal of

Approximate Reasoning. Vol. 27, p. 165-182.

PICKARD, LOWE AND GARRICK INC. (1993) - Seabrook Station Probabilistic Safety

Assessment, PLG-0300. Prepared for Public Service Company of New Hampshire and

Yankee Atomic Electric Company, Newport Beach, CA, USA.

PEARL, J. (1988)- Probabilistic Reasoning in Intelligent Systems: Networks of Plausible

Inference. 2 ed. Morgan Kaufmann. California.

POWERS, S. K. & HONLEY, E. T. (2000)- Fisiologia do exercício: teoria e aplicação ao

condicionamento e ao desempenho. 3 ed. Manole.

RASMUSSEN, J. (1980)- What can be learned from human error reports? In Changes in

Working Life. Wiley. London.

RASMUSSEN, J.; PEDERSEN, O.M.; MANCINI, G.; CARNINO, A.; GRIFFON, M. &

GAGNOLET, P. (1981) - Classification System for Reporting Events Involving Human

Malfunctions. Report Riso-M-2240, Riso National Laboratories. Denmark.

RASMUSSEN, J. (1983)- Skill, Rules, Knowledge: signals, signs and symbols and other

distinctions in human performance models. IEEE transactions: Systems, Man &

Cybernetics. Vol. 13, p. 257-266.

REASON, J. (1988)- Modeling the basic error tendencies of human operators. Reliability

Engineering and System Safety. Vol. 22, p.137-153.

REASON, J. (1990) - Human Error. Cambridge University Press. Cambridge.

ROCK, J. A. & THOMPSON, J. D. (1999)- Te Linde’s Operative Gynecology. 8 ed.

Lippincot – Raven. Philadelphia.

SANTOS, W. B (2005) – Análise probabilística de riscos via redes Bayesianas: uma aplicação

na construção de poços multilaterais. Recife. 158p. (Mestrado- Programa de Pós-graduação

em Engenharia de Produção/ UFPE).

Referências Bibliográficas

SCHMIDT, R. A. & WRISBERG, C.A (2001)- Aprendizagem e performance motora: uma

abordagem da aprendizagem baseada no problema. 2 ed. Artemed. Porto Alegre.

SHORROCK, S.T. & KIRWAN, B. (2002)- Development and application of a human error

identification tool for air traffic control. Applied Ergonomics. Vol. 33, p. 319-336.

STAMATELATOS, M. (2002) – Probabilistic Risk Assessment Procedures Guide for NASA

Managers and Practitioners. NASA Headquarters, Washington, DC.

STRATER, O. (2004)- Considerations on the elements of quantifying human reliability.

Reliability Engineering & System Safety. Vol. 83, p. 255-264.

STUTZKE M et al. (1991) - Accident Sequence Analysis Task Procedure, R.E. Ginna

Nuclear Power Plant PRA Project, Procedure TQAP-2118-1.1.

SWAIN, A D & GUTTMANN, H. E. (1983)- Handbook of Human Reliability Analysis with

Emphasis on Nuclear Power Plant Applications, US Nuclear Regulatory Commission.

Washington.

TORIIZUKA, T. (2001)- Application of performance shaping factor (PSF) for work

improvement in industrial plant maintenance tasks. Industrial Ergonomics. Vol. 28, p. 225-

236.

WALLS, L. & QUIGLEY, J. (2001)- Building prior distributions to support Bayesian

reliability growth modeling using expert judgment. Reliability Engineering & System

Safety. Vol. 74, p. 117-128.

WICKENS, C. D.; GORDON, S. E. & LIU, Y. (1998)- An introduction to human factors

engineering. Addison Wesley Educational Publishers. New York.

WICKENS, C.D. & HOLLANDS, J.G.(2000)- Engineering Psychology and Human

Performance. Prentice Hall. New Jersey

WILCOX LS, KOONIN LM, POKRAS R, STRAUSS LT, XIA Z, PETERSON HB.(1994)

Hysterectomy in the United States, 1988-1990. Obstet Gynecol ; 83:549-55

Referências Bibliográficas

WREATHALL, J.; BLEY, D.; ROTH, E.; MULTER, J. & RASLEAR, T. (2004)- Using an

integrated process of data and modeling in HRA. Reliability Engineering & System Safety.

Vol. 83, p. 221-228.

Oliveira, Felipe Andrade Gama de

Avaliação probabilística de risco via modelo

causal híbrido em cirurgia: o caso da histerectomia

vaginal / Felipe Andrade Gama de Oliveira. – Recife :

O Autor, 2006.

xiv, 88 folhas : il., fig., tab.

Dissertação (mestrado) – Universidade Federal

de Pernambuco. CTG. Engenharia de Produção,

2006.

Inclui bibliografia.

1. Engenharia de produção – Avaliação de risco.

2. Cirurgia – Avaliação probabilística de risco. 3.

Modelo causal híbrido – Confiabilidade humana e de

equipamento médico-hospitalar. 4. Redes

bayesianas – Seqüência de eventos – Diagrama. I.

Título.

658.5 CDU (2.ed.) UFPE

658.5 CDU (22.ed.) BC2006 – 464

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 