Gestão estratégica de ativos hospitalares como caminho na inovação e sustentabilidade

• 30 abril 2026, quinta-feira
• Gestão

A crescente pressão sobre os sistemas de saúde, associada à necessidade de responder às mudanças climáticas e à escassez de recursos, torna a inovação um pilar estratégico para a sustentabilidade nos cuidados de saúde.

Este artigo analisa como a inovação tecnológica pode contribuir simultaneamente para melhores resultados clínicos, maior eficiência operacional e menor impacto ambiental das instituições hospitalares, aumentando a sua sustentabilidade nestes três pilares.

Discutem-se soluções, como a gestão inteligente de equipamentos médicos, a economia circular em dispositivos e consumíveis, e a integração de critérios ambientais nas decisões de investimento em ativos hospitalares. Argumenta-se que a inovação deve ser acompanhada por modelos de governação, métricas de desempenho e práticas de gestão de ativos que assegurem valor de longo prazo, resiliência dos serviços e redução da pegada ecológica do setor.

O artigo propõe ainda um quadro conceptual que articula inovação, sustentabilidade e gestão de ativos hospitalares, oferecendo orientações práticas para gestores, decisores e profissionais de saúde interessados em transformar hospitais em organizações mais eficientes, resilientes e ambientalmente responsáveis.

Introdução

A crescente intensificação das alterações climáticas e a necessidade de transição para modelos de desenvolvimento sustentáveis têm vindo a posicionar os sistemas de saúde no centro do debate sobre responsabilidade ambiental e eficiência na utilização de recursos. Embora desempenhem um papel essencial na proteção da saúde das populações, os próprios sistemas de saúde constituem uma fonte relevante de emissões de gases com efeito de estufa e de consumo intensivo de recursos naturais. De acordo com a Organização Mundial da Saúde, o setor da saúde representa aproximadamente 5 % das emissões globais de carbono, evidenciando o impacto ambiental significativo associado à prestação de cuidados de saúde (WHO, 2025) (...)

Leia o artigo completo na TecnoHospital nº 134, março/ abril de 2026 dedicada ao tema "Inovação e sustentabilidade no SNS"

Referências

• Alaoui Abdelhafid, H., Meddaoui, A., & En-nhaili, A. (2025). Reliable prediction of industrial components Remaining Useful Life using Cox and Weibull models: A Comparative Study. Data and Metadata, 4, 1102. https://doi.org/10.56294/dm20251102
• Ansell, J. I., & Philipps, M. J. (1997). Practical aspects of modelling of repairable systems data using proportional hazards models. Reliability Engineering & System Safety, 58(2), 165–171. https://doi.org/10.1016/S0951-8320(97)00026-4
• Baltagi, B. H. (2021). Econometric Analysis of Panel Data. Springer International Publishing. https://doi.org/10.1007/978-3-030-53953-5
• Barlow, R. E., & Proschan, F. (1996). Mathematical Theory of Reliability. Society for Industrial and Applied Mathematics. https://doi.org/10.1137/1.9781611971194
• Bendell, A., Wightman, D. W., & Walker, E. V. (1991). Applying proportional hazards modelling in reliability. Reliability Engineering & System Safety, 34(1), 35–53. https://doi.org/10.1016/0951-8320(91)90098-R
• Caroni, C. (2022). Regression Models for Lifetime Data: An Overview. Stats, 5(4), 1294–1304. https://doi.org/10.3390/stats5040078
• Chen, C., Liu, Y., Wang, S., Sun, X., Di Cairano-Gilfedder, C., Titmus, S., & Syntetos, A. A. (2020). Predictive maintenance using cox proportional hazard deep learning. Advanced Engineering Informatics, 44, 101054. https://doi.org/10.1016/j.aei.2020.101054
• de Almeida Pais, J. E., Raposo, H. D. N., Farinha, J. T., Cardoso, A. J. M., & Marques, P. A. (2021). Optimizing the Life Cycle of Physical Assets through an Integrated Life Cycle Assessment Method. Energies, 14(19), 6128. https://doi.org/10.3390/en14196128
• de-Almeida-e-Pais, J. E., Mendes, T., Raposo, H. D. N., Farinha, J. T., & Raposo, J. R. N. (2024). Life Cycle Investment in the Water Sector – a Case Study. In Z. W. Andrew D. Ball, Huajiang Ouyang, Jyoti K. Sinha (Ed.), Proceedings of the UNIfied Conference of DAMAS, IncoME and TEPEN Conferences (UNIfied 2023) (pp. 701–714). Springer Nature Switzerland AG 2024. https://doi.org/10.1007/978-3-031-49413-0_53
• de-Almeida-e-Pais, J. E., Raposo, H. D. N., Farinha, J. T., Cardoso, A. J. M., Lyubchyk, S., & Lyubchyk, S. (2023). Measuring the Performance of a Strategic Asset Management Plan through a Balanced Scorecard. Sustainability, 15(22), 15697. https://doi.org/10.3390/su152215697
• de-Almeida-e-Pais, J. E., Raposo, H. D. N., Farinha, J. T., & Raposo, J. R. N. (2026). Life Cycle Investment and Sustainable Asset Management: Exploring the Potential of ISO 55001 in the Circular Economy (pp. 331–353). https://doi.org/10.1007/978-3-031-93327-1_19
• European Observatory on Health Systems and Policies, Mauer, N., Durvy, B., & Panteli, D. (2025). How can health care facilities reduce their environmental footprint and contribute to more sustainable health systems? In Regional Office for Europe (Ed.), 2025 (WHO). https://iris.who.int/handle/10665/381837
• Farinha, J. T., Raposo, H. D. N., De-Almeida-e-Pais, J. E., & Mendes, M. (2023). Physical Asset Life Cycle Evaluation Models—A Comparative Analysis towards Sustainability. Sustainability, 15(22), 15754. https://doi.org/10.3390/su152215754
• Ho, L. L., & Silva, A. F. da. (2005). Estimadores não viciados para o tempo médio até a falha e para percentis obtidos do modelo de regressão de Weibull. Gestão & Produção, 12(1), 97–105. https://doi.org/10.1590/S0104-530X2005000100009
• Jardine, A. K. S., Lin, D., & Banjevic, D. (2006). A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing, 20(7), 1483–1510. https://doi.org/10.1016/j.ymssp.2005.09.012
• Kahle, W., & Lehmann, A. (2010). The Wiener Process as a Degradation Model: Modeling and Parameter Estimation. In Advances in Degradation Modeling (pp. 127–146). Birkhäuser Boston. https://doi.org/10.1007/978-0-8176-4924-1_9
• Lundberg, S., & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. https://doi.org/10.48550/arXiv.1705.07874
• Nelson, W. B. (2021). Statistical methods for reliability data (W. Q. Meeker, L. A. Escobar, & F. G. Pascual, Eds.; 2nd ed.). John Wiley & Sons, Inc.
• OECD. (2025). Health at a Glance 2025. OECD Publishing. https://doi.org/10.1787/8f9e3f98-en
• Pierskalla, W. P., & Voelker, J. A. (1976). A survey of maintenance models: The control and surveillance of deteriorating systems. Naval Research Logistics Quarterly, 23(3), 353–388. https://doi.org/10.1002/nav.3800230302
• Suzuki, E., Mueller, M., & Wang, S. (2025). Decarbonising Health Systems Across OECD Countries. In OECD Health Policy Studies. OECD Publishing. https://doi.org/10.1787/5ac2b24b-en
• Vila Forteza, M., Galar, D., Kumar, U., & Goebel, K. (2025). Data Reduction in Proportional Hazards Models Applied to Reliability Prediction of Centrifugal Pumps. Machines, 13(3), 215. https://doi.org/10.3390/machines13030215
• WHO. (2025). Measuring greenhouse gas emissions in health systems (World Health Organization, Ed.). https://www.who.int/publications/i/item/9789240118423
• Woodward, D. G. (1997). Life cycle costing—Theory, information acquisition and application. International Journal of Project Management, 15(6), 335–344. https://doi.org/10.1016/S0263-7863(96)00089-0
• Zhang, Z., Hu, C., Si, X., Zhang, J., & Zheng, J. (2017). Stochastic degradation process modeling and remaining useful life estimation with flexible random-effects. Journal of the Franklin Institute, 354(6), 2477–2499. https://doi.org/10.1016/j.jfranklin.2016.06.039
   

Coautores J. Edmundo de-Almeida-e-Pais, Polytechnic University of Coimbra, Instituto Superior de Engenharia de Coimbra, RCM2+ Research Centre in Asset Management and System Engineering, CISE - Electromechatronic Systems Research Centre, University of Beira Interior  e Hugo Raposo, Polytechnic University of Coimbra, Instituto Superior de Engenharia de Coimbra, RCM2+ Research Centre in Asset Management and System Engineering