A jornada do utente nos cuidados de saúde primários: da análise da experiência à identificação de oportunidades para a inteligência artificial

Abstract

Os Cuidados de Saúde Primários (CSP) constituem uma das portas de entrada preferencial no sistema de saúde, sendo determinantes para a equidade e eficiência do acesso. A jornada do utente nos CSP é coproduzida por múltiplos atores, utentes, médicos de família, enfermeiros e secretários clínicos, e as suas fricções permanecem invisíveis para os instrumentos convencionais de avaliação. A implementação de soluções de Inteligência Artificial (IA) nos CSP requer um diagnóstico rigoroso das ineficiências reais, sem este diagnóstico prévio e contextualizado, a implementação tecnológica corre o risco de cair na falácia da tecnologia, criando soluções tecnicamente funcionais, mas humanamente desadequadas. Esta investigação tem como objetivo compreender de que forma o mapeamento multi-perspetiva da jornada do utente nos CSP pode informar sistematicamente a identificação de oportunidades de melhoria através de soluções baseadas em IA, em resposta aos pontos de dor identificados. Adotou-se um Estudo de Caso Múltiplo com 11 Unidades de Saúde Familiares em 6 regiões em Portugal. Foram realizadas 36 entrevistas semiestruturadas com 12 utentes, 10 médicos de família, 7 enfermeiros, 6 secretários clínicos e 1 especialista em tecnologia de saúde, em média de 45 minutos de duração cada entrevista. A análise qualitativa foi conduzida com recurso ao NVivo, com uma estratégia de codificação híbrida organizada em torno de três jornadas recorrentes, Consulta Aberta, Comunicação Não Presencial e Vacinação Sazonal. Os resultados confirmam as três proposições formuladas. As dimensões de Abordabilidade e Aceitabilidade constituem barreiras relevantes nos CSP portugueses, documentadas em 16 códigos de barreira, mas sub-representadas nos instrumentos convencionais de avaliação. Os mesmos pontos de dor produzem experiências qualitativamente distintas consoante a perspetiva, os utentes experienciam espera, opacidade e indisponibilidade; os profissionais gerem trabalho invisível fora do horário formal, fluxos desarticulados e absorção de tarefas de baixo valor clínico. A comparação transversal entre os 11 casos revela ainda uma variabilidade procedimental significativa: a mesma jornada é executada de formas completamente distintas entre unidades, com pelo menos quatro modelos de acesso à Consulta Aberta identificados em simultâneo. Esta heterogeneidade documenta que as fricções identificadas não são universais são contextualmente dependentes das escolhas organizacionais de cada unidade. As fricções identificadas traduzem-se num gradiente de viabilidade de oportunidades de IA em três níveis: alta viabilidade para tarefas administrativas sem decisão clínica, média viabilidade para apoio à decisão com supervisão humana obrigatória, e baixa viabilidade para as dimensões relacionais e clínicas complexas. A principal implicação desta investigação é que um diagnóstico de acesso centrado na oferta produz uma imagem incompleta dos CSP. O gradiente de viabilidade proposto distingue oportunidades de IA que substituem passos existentes das que apenas acrescentam canais paralelos, reproduzindo o padrão de mais trabalho para os profissionais sob aparência de automação. As soluções de IA com maior probabilidade de adoção nos CSP são as que libertam o profissional para o que só ele pode fazer, ouvir, observar, julgar e estar presente nos momentos em que a presença é, em si mesma, terapêutica.

Primary Health Care (PHC) represents the preferred entry point into the health system, playing a central role in equity and efficiency of access. The patient journey in PHC is co-produced by multiple actors patients, family physicians, nurses and clinical secretaries and its frictions remain invisible to conventional evaluation instruments. The implementation of Artificial Intelligence (AI) solutions in PHC requires a rigorous diagnosis of real inefficiencies; without this prior and contextualised diagnosis, technological implementation risks falling into the technology fallacy, producing technically functional but humanly inadequate solutions. This study aims to understand how multi-perspective patient journey mapping in PHC can systematically inform the identification of improvement opportunities through AI-based solutions, in response to the pain points identified. A Multiple Case Study design was adopted across 11 Family Health Units in 6 regions. Thirty-six semi-structured interviews were conducted with 12 patients, 10 family physicians, 7 nurses, 6 clinical secretaries and 1 health technology specialist, with an average duration of 45 minutes. Qualitative analysis was conducted using NVivo, with a hybrid coding strategy organised around three recurrent journeys, Walk-in Consultation, Non-Presential Communication and Seasonal Vaccination. The results confirm the three propositions formulated. The dimensions of Approachability and Acceptability constitute relevant access barriers in Portuguese PHC, documented in 16 barrier codes, yet under-represented in conventional evaluation instruments. The same pain points produce qualitatively distinct experiences depending on perspective patients experience waiting, opacity and unavailability; professionals manage invisible work outside formal working hours, redundant workflows and absorption of low clinical value tasks. Cross-case comparison across the 11 cases further reveals significant procedural variability: the same journey is executed in completely different ways across units, with at least four simultaneous models of access to the Walk-in Consultation identified. This heterogeneity documents that the identified frictions are not universal they are contextually dependent on the organisational choices of each unit. The identified frictions translate into a viability gradient of AI opportunities at three levels: high viability for administrative tasks without clinical decision-making, medium viability for decision support with mandatory human oversight, and low viability for relational and complex clinical dimensions. The main implication of this investigation is that an access diagnosis centred on the supply side produces an incomplete picture of PHC. The proposed viability gradient distinguishes AI opportunities that replace existing steps from those that merely add parallel channels, reproducing the pattern of more work for professionals under the appearance of automation. The AI solutions most likely to be adopted in PHC are those that free the professional to do what only they can do, listen, observe, judge and be present in moments where presence is, in itself, therapeutic.