A simulação por eventos discretos vem sendo utilizada com sucesso na área de Saúde, pois permite a avaliação de cenários alternativos de forma rápida e mínimo custo. Um modelo de clínica de mamografia foi construído a partir de simulação por eventos discretos. O programa utilizado foi o MedModel, versão 6.0, da Promodel Corporation (Harrel et al., 2002). O objetivo do trabalho foi analisar o funcionamento da clínica sob diferentes configurações para avaliação da capacida de instalada e apoio na reorganização do atendimento de pacientes. O modelo proposto foi baseado em informações obtidas em uma clínica de mamografia do Instituto Nacional do Câncer (INCa), na cidade do Rio de Janeiro. Foram co letadas informações relativas à capacidade de atendimento da clínica, número de pacientes atendidos por dia, número de profissionais e layout da clínica. Três configurações foram simuladas, mantendo-se a estrutura básica (um mamógrafo e um médico) e variando-se somente o número de técnicos de mamografia. O melhor desempenho foi obtido com a configu ração 2 (dois técnicos), com uma taxa de chegada de pacientes representada por uma distribuição exponencial de média 29 minutos, atendimento de 15 pacientes/dia, com média de 78 minutos por paciente. A clínica real tem três técnicos e atende 15 pacientes por dia, sem marcação de horário. O modelo, apesar de simples, já indicou alguns resultados importantes, como por exemplo: quinze pacientes podem ser atendidos com dois técnicos; organização da chegada de pacientes por meio de agendamento; possibilidade de taxa de repetição de até 25% (5% ou menos, recomendável pelo American College of Radiology), sem que se transfiram pacientes para outros dias. Esses resultados iniciais podem ser alvos de estudos que incluam custo/benefício.

A discrete-events model was implemented to simulate a mam mography clinic routine. The objective was to analyze the clinic functioning under different configurations to explore its installed capacity, identify possible obstacles and propose actions to optimize the clinic routine. The methodology consisted in implementing the model based on information collected at the Cancer National Insti tute (INCa), localized in Rio de Janeiro. The collected information includes number of patients per day, personnel, clinic functioning routine and clinic layout. Three simulation sets [build in Med Model software, Promodel Corporation (Harrel et al., 2002) were evaluated, each one considering three possible configurations. each configuration has one mammographic equipment, one medical doctor but a different number of technicians (one, two and three). The simulation indicated that a patient’s arrival rate of 9 minutes resulted in the smallest patient’s average-time inside the clinic. In terms of cost, the configuration (two technicians) showed the best global result, once its performance indexes are close to the highest capacity configuration (configuration 3), but with one technician less. The model has proved to be a useful tool as a first approach to mammography clinic assessment.