MODELOS DE TRIAGEM EM SERVIÇOS DE URGÊNCIA: IMPACTOS NA QUALIDADE ASSISTENCIAL E TEMPO DE RESPOSTA

Autores

DOI:

https://doi.org/10.71248/cwvzhg48

Palavras-chave:

Atenção Primária à Saúde, Inteligência Artificial, Qualidade da Assistência à Saúde, Serviços Médicos de Emergência, Triagem

Resumo

Este estudo teve como objetivo analisar os principais modelos de triagem utilizados em serviços de urgência e emergência, com foco nos impactos sobre a qualidade assistencial e o tempo de resposta. Trata-se de uma revisão integrativa da literatura conduzida nas bases MEDLINE, BDENF e LILACS, totalizando seis estudos incluídos na análise final. Os resultados evidenciaram que modelos estruturados como ESI, CTAS e ATS, além de abordagens baseadas em inteligência artificial e aprendizado de máquina, contribuem para maior precisão na priorização dos atendimentos, melhor alocação de recursos e redução do tempo até a intervenção. Entretanto, desafios como vieses cognitivos, subjetividade clínica e inconsistências na aplicação dos protocolos ainda comprometem os resultados. Conclui-se que a combinação entre padronização, capacitação profissional e inovação tecnológica é essencial para fortalecer a segurança e a efetividade na triagem dos serviços de urgência.

Biografia do Autor

  • Franciele Pereira da Silva, Faculdade ICESP

    Graduada em Fisioterapia, Pós-graduanda em Fisioterapia em Terapia Intensiva Neonatal e Pediátrica.

  • Allana Monteiro Assunção de Brito, Universidade Federal do Sul da Bahia

    Graduanda em Medicina

  • Jaqueline Barbosa Costa, Secretaria de Estado da Saúde do DF

    Mestre em educação profissional e tecnológica IFB. Enfermeira Obstetra da 

  • Sheylla Karine Medeiros, Faculdade de Medicina de Petrópolis/ Hospital Alcides Carneiro - Petrópolis – Rj

    Médica Pediatra e Radiologista

  • Nathalia Vitória da Silva, Universidade Norte do Paraná (UNOPAR)

    Graduanda em Enfermagem

  • Maria Fabiana Rodrigues Vieira, Afya FCM - JP

    Mestre em Saúde

  • Gustavo Almeida Ramos, Centro Universitário Alfredo Nasser

    Graduando em Medicina

  • Leandro da Silva Ribeiro, Hospital Antônio Prudente de Fortaleza - CE (HAPFOR)

    Enfermeiro e Pós graduado em Emergências e Uti

  • Denise Gonçalves Moura Pinheiro, Unichristus

    Doutorado

  • Adriana dos Santos Estevam, Centro Universitário Maurício de Nassau - Uninassau

    Enfermeira, Doutora em Biotecnologia Saúde

  • Paulo Henrique Gabriel Porto, ESCS-DF

    Especialista em Terapia Intensiva Adulto 

  • Luan Bernardino Montes Santos, Universidade Atenas UniAtenas

    Graduado em Medicina

  • Genivan Braz Pataxó, Universidade Federal Do Sul Da Bahia E Universidade Federal Do Recôncavo Da Bahia

    Mestrando

Referências

ALSHAMMARI, Abdulaziz Dhahir; ALOBAID, Abdullah Mohammed; AZHARUDDIN, Ahmed. Professionalizing Emergency Medical Service Response Time. Emergency Health Services Journal, v. 1, n. 2, p. 37–41, jul. 2024.

CHANG, Yu-Hsin et al. Using machine learning and natural language processing in triage for prediction of clinical disposition in the emergency department. BMC Emergency Medicine, v. 24, n. 1, p. 237, 18 dez. 2024.

ELHILALI, Ahmed et al. AI-Enhanced Speech Recognition in Triage. In: [S.l.: S.n.].

KAPURALALAGE, Thilini Nisansala Egoda et al. Clinical decision-making: Cognitive biases and heuristics in triage decisions in the emergency department. The American Journal of Emergency Medicine, v. 92, p. 60–67, jun. 2025.

NEHME, Emily et al. Refining ambulance clinical response models: The impact on ambulance response and emergency department presentations. Emergency Medicine Australasia, v. 36, n. 4, p. 609–615, ago. 2024.

NILSBAKKEN, Inger Marie Waal et al. EMCC dispatch priority for trauma patients in Norway: a retrospective cohort study. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, v. 33, n. 1, p. 83, 12 maio 2025.

SCHLINDWEIN-ZANINI, Rachel; SCHLEMPER JUNIOR, Bruno. Neuroética e neurociência. Contextos Clínicos, v. 6, n. 1, 1 maio 2013.

SEO, Jae Won et al. Artificial intelligence for severity triage based on conversations in an emergency department in Korea. Scientific Reports, v. 15, n. 1, p. 16870, 15 maio 2025.

SOUSA, Kayo Henrique Jardel Feitosa et al. Humanização nos serviços de urgência e emergência: contribuições para o cuidado de enfermagem. Revista Gaúcha de Enfermagem, v. 40, 2019.

ZHOU, Xuan et al. Construction and evaluation of a triage assessment model for patients with acute non-traumatic chest pain: mixed retrospective and prospective observational study. BMC Emergency Medicine, v. 25, n. 1, p. 12, 23 jan. 2025.

Downloads

Publicado

10.07.2025

Edição

v. 2 n. 3 (2025)

Seção

Artigos

Licença

Copyright (c) 2025 Cognitus Interdisciplinary Journal

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Como Citar

MODELOS DE TRIAGEM EM SERVIÇOS DE URGÊNCIA: IMPACTOS NA QUALIDADE ASSISTENCIAL E TEMPO DE RESPOSTA. (2025). Cognitus Interdisciplinary Journal, 2(3), 147-160. https://doi.org/10.71248/cwvzhg48

Artigos mais lidos pelo mesmo(s) autor(es)

Artigos Semelhantes

41-50 de 84

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.