{
  "abstract": "A gestão dos estoques hemoterápicos é limitada pela ausência de um sistema nacional integrado em tempo real, resultando em monitoramento descentralizado e maior risco de desabastecimento. O objetivo deste estudo foi aplicar técnicas de inteligência artificial na previsão da criticidade de estoques hemoterápicos a partir de dados operacionais de um hemocentro público brasileiro, entre janeiro e março de 2026. Trata-se de um estudo observacional, retrospectivo, documental e analítico, com abordagem quantitativa, baseado em informativos institucionais de monitoramento dos estoques estratégicos de concentrados de hemácias (CH) e concentrados de plaquetas (CP). Os dados foram extraídos, estruturados em formato tabular (DataFrame) e analisados em ambiente Python utilizando a biblioteca pandas. A análise evidenciou heterogeneidade na criticidade dos estoques, com variações entre hemocomponentes e grupos sanguíneos. Os concentrados de hemácias predominaram nos estados ideal e de alerta, enquanto os concentrados de plaquetas apresentaram maior frequência dos estados crítico e de emergência, indicando maior instabilidade operacional. Os grupos sanguíneos B-, AB- e O+ apresentaram maior vulnerabilidade. Também foram observadas oscilações frequentes entre os níveis de criticidade, caracterizadas por períodos de agravamento seguidos de recuperação parcial dos estoques. Foram aplicados os algoritmos Random Forest e XGBoost para avaliação preditiva da criticidade dos estoques. Ambos apresentaram elevado desempenho, com superioridade do XGBoost, especialmente nas métricas de recall e F1-score, indicando maior sensibilidade na identificação de estados críticos e emergenciais. As métricas demonstraram consistência entre acurácia, precisão, recall e F1-score, reforçando a robustez dos modelos. A distribuição temporal revelou predominância do estado ideal, com oscilações entre alerta e crítico e ocorrência pontual de estados de emergência. Os resultados demonstram que a criticidade dos estoques é influenciada pela demanda assistencial, perecibilidade dos hemocomponentes e logística de distribuição. A maior estabilidade dos concentrados de hemácias, em contraste com a maior criticidade das plaquetas, evidencia a necessidade de estratégias específicas de monitoramento e reposição. A elevada capacidade preditiva dos modelos reforça o potencial da inteligência artificial para antecipação de cenários críticos e apoio à tomada de decisão. Conclui-se que a inteligência artificial apresenta elevado potencial para previsão da criticidade dos estoques hemoterápicos, permitindo antecipar riscos, otimizar recursos e fortalecer a segurança transfusional, consolidando-se como ferramenta estratégica para a gestão baseada em dados nos serviços de hemoterapia.",
  "abstract_shown": true,
  "affiliations": [
    "Centro de Hemoterapia de Sergipe (HEMOSE), Aracaju, SE, Brasil"
  ],
  "article_type": null,
  "arxiv": null,
  "author_total": 10,
  "authors": [
    {
      "affs": [
        0
      ],
      "name": "Weber Santana TELES"
    },
    {
      "affs": [
        0
      ],
      "name": "Florita De Moura AQUINO"
    },
    {
      "affs": [
        0
      ],
      "name": "Douglas ABILIO"
    },
    {
      "affs": [
        0
      ],
      "name": "Orleane Souza REZENDE"
    },
    {
      "affs": [
        0
      ],
      "name": "Conrado Marques DE SOUZA NETO"
    },
    {
      "affs": [
        0
      ],
      "name": "Ádamo Newton MARINHO ANDRADE"
    },
    {
      "affs": [
        0
      ],
      "name": "Raphael Davisson LOPES SANTOS"
    },
    {
      "affs": [
        0
      ],
      "name": "Lana Elise SANTANA SANTOS"
    },
    {
      "affs": [
        0
      ],
      "name": "Cauã Marx NASCIMENTO CARVALHO"
    },
    {
      "affs": [
        0
      ],
      "name": "Francisca Evane CELESTINO CARMO"
    }
  ],
  "bibtex": "https://research.draconitic.com/paper/fh9xfc863wpsr.bib",
  "cited_by": 0,
  "doi": "10.1016/j.htct.2026.107396",
  "fulltext_url": "http://www.sciencedirect.com/science/article/pii/S2531137926011430",
  "id": "fh9xfc863wpsr",
  "issns": [
    "2531-1379",
    "2531-1387"
  ],
  "landing_url": "https://doi.org/10.1016/j.htct.2026.107396",
  "language": "en",
  "licence": "CC-BY",
  "licence_label": "CC BY",
  "licence_source": "journal",
  "licence_url": "https://creativecommons.org/licenses/by/4.0/",
  "metadata_licence": null,
  "native_subjects": [
    [
      "lcc",
      "RC633-647.5"
    ],
    [
      "openalex",
      "1405|Blood donation and transfusion practices"
    ]
  ],
  "openalex": "W7223557314",
  "pdf_url": null,
  "pmcid": null,
  "pmid": null,
  "published": "2026-10-23",
  "publisher": "Elsevier",
  "ris": "https://research.draconitic.com/paper/fh9xfc863wpsr.ris",
  "sources": [
    {
      "first_seen": "2026-10-30T13:43:20Z",
      "native_id": "96839fc95e4944189fed47f3b3e42b58",
      "source": "doaj",
      "url": "https://doi.org/10.1016/j.htct.2026.107396"
    }
  ],
  "subjects": [
    {
      "field": "medicine",
      "origin": "lcc:RC633-647.5",
      "subfield": "endocrinology-metabolism"
    }
  ],
  "title": "APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE CRITICIDADE DE ESTOQUES HEMOTERÁPICOS UM ESTUDO COM DADOS OPERACIONAIS REAIS",
  "title_text": "APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE CRITICIDADE DE ESTOQUES HEMOTERÁPICOS UM ESTUDO COM DADOS OPERACIONAIS REAIS",
  "type": "peer-reviewed",
  "updated_at": "2026-10-30T13:43:20Z",
  "url": "https://research.draconitic.com/paper/fh9xfc863wpsr",
  "venue": "Hematology, Transfusion and Cell Therapy",
  "versions": []
}