Gestão de laboratórios com BI: produtividade e SLA de exames

O laboratório sabe quantos exames processa, mas não sabe onde perde tempo#

Quase todo laboratório clínico ou de análises tem um LIS (Laboratory Information System) que registra pedido, coleta, liberação e entrega de laudo. O que a maioria não tem é a leitura desses dados de ponta a ponta. Sabe-se o volume mensal, mas não onde o exame parou, qual bancada estoura o SLA, quanto retrabalho o recoleta consome nem quanto de faturamento fica represado em glosa. É exatamente esse vazio que o BI para laboratórios preenche: transformar o log operacional do LIS em decisão de gestão, do TAT por setor até a margem por convênio.

Vale um aviso de consultor logo de início. Painel bonito não conserta processo ruim. O BI serve para expor o gargalo com número, dono e prazo. Se a sua triagem manual demora quatro horas, o Power BI vai mostrar isso com clareza cirúrgica, mas quem resolve é a operação. Dito isso, sem a medição correta você discute percepção, e percepção em laboratório costuma ser otimista demais.

TAT é a métrica que separa laboratório gerenciado de laboratório apagando incêndio#

TAT (Turnaround Time) é o tempo total entre um marco inicial e a liberação do resultado. O erro clássico é medir um TAT só, geralmente coleta até laudo, e achar que está tudo sob controle. TAT precisa ser decomposto por fase, porque cada fase tem causa raiz diferente.

O fluxo laboratorial se divide em três blocos, e o BI deve medir os três separadamente:

• Pré-analítico: pedido, agendamento, coleta, triagem, cadastro e distribuição da amostra. É onde nasce a maior parte dos atrasos e dos erros de identificação.
• Intra-analítico: tempo de bancada, do carregamento no equipamento até o resultado bruto. Depende de capacidade, calibração e disponibilidade do analisador.
• Pós-analítico: validação técnica, liberação médica, assinatura e entrega do laudo. Gargalo comum quando há poucos responsáveis técnicos para validar.

Medir o TAT agregado esconde qual bloco está travando. Um laboratório pode ter bancada rápida e afogar tudo na validação pós-analítica porque o patologista revisa manualmente casos que poderiam ter autoverificação. Sem a quebra por fase, a diretoria compra equipamento novo para resolver um problema que estava na assinatura do laudo.

Uma boa prática de modelagem é guardar cada carimbo de tempo (timestamp) como um evento, não como coluna larga. Isso permite calcular percentis, não só média. E aqui está um ponto técnico que muita gente ignora: a média de TAT mente. Um plantão que atrasa dez exames críticos some na média se o volume do dia foi alto. Trabalhe com percentil 90 e percentil 95, que é onde o paciente sente e onde o convênio cobra.

SLA de exames é contrato, e contrato se mede com percentil, não com média#

SLA laboratorial é o compromisso de prazo por tipo de exame, normalmente diferente para rotina, urgência e exames enviados para apoio (terceirizados). O painel de SLA precisa responder três perguntas simples: quantos exames cumpriram o prazo, quais estouraram e por quê.

A tabela abaixo mostra um recorte típico de acompanhamento de SLA que costumamos montar em Power BI:

Grupo de exame	Prioridade	Meta de TAT	% dentro do SLA	P90 real	Principal causa de estouro
Hemograma	Rotina	4h	94%	3h40	Fila de triagem no pico da manhã
Bioquímica	Rotina	6h	91%	6h20	Recoleta por amostra hemolisada
Troponina	Urgência	1h	88%	1h15	Aguardando validação médica
Cultura	Apoio	72h	97%	60h	Transporte para laboratório de apoio
Anatomia patológica	Rotina	7 dias	82%	8 dias	Gargalo na liberação do laudo

Repare que média não aparece. O indicador de gestão é o percentual dentro do SLA combinado com o P90, porque juntos eles dizem tanto o cumprimento quanto o quão perto da borda você está operando. Um grupo com 91% de SLA e P90 colado na meta está prestes a virar 80% no próximo pico de volume.

Do lado técnico, medir SLA em DAX exige cuidado com feriados, plantão e horário comercial. Contar tempo corrido para um exame de rotina que só é validado em dia útil gera falso estouro. A recomendação é construir uma tabela calendário com marcação de dia útil e janela de atendimento, e calcular o TAT líquido descontando o período fora de operação quando o SLA for definido em horas úteis. Esse tipo de detalhe é o que separa um painel confiável de um painel que a operação ignora. Se quiser aprofundar o cálculo, vale revisar nosso material de modelagem e DAX.

Retrabalho é o custo invisível que o LIS registra mas ninguém soma#

Recoleta, repetição de exame, amostra rejeitada e recadastro são retrabalho. Cada um consome insumo, tempo de bancada e, no caso da recoleta, gera um segundo contato com o paciente que derruba a experiência e pode furar o SLA. O problema é que o retrabalho fica pulverizado no LIS em status como "amostra insuficiente" ou "hemólise", e quase nunca é consolidado como custo.

O BI resolve isso agrupando os motivos de rejeição e repetição em uma dimensão própria e cruzando com volume, setor e coletor. A partir daí a conversa muda. Em vez de "temos muita recoleta", a gestão passa a ver "34% das recoletas vêm de duas unidades e o motivo dominante é jejum incorreto", que é um problema de orientação no agendamento, não de laboratório.

Motivos de retrabalho que valem a pena rastrear como categorias fixas:

• Amostra hemolisada ou coagulada: aponta para técnica de coleta ou transporte.
• Volume insuficiente: coleta incompleta, comum em pediatria e geriatria.
• Identificação divergente: erro de cadastro, risco assistencial sério.
• Preparo do paciente: jejum, medicação ou horário incorreto.
• Falha de equipamento ou recalibração: repetição de origem intra-analítica.

Rastrear esses motivos permite calcular uma taxa de retrabalho por mil exames e por unidade, que é um indicador direto de qualidade operacional. E o retrabalho conversa com o SLA: boa parte dos estouros de prazo tem uma recoleta escondida no meio do caminho.

Faturamento e glosa: onde o laboratório mais deixa dinheiro na mesa#

Produtividade sem faturamento é volume sem receita. O laboratório fatura por procedimento, normalmente com tabelas de convênio distintas, e perde margem em três pontos: exame realizado e não faturado, exame faturado e glosado, e exame cujo custo de insumo supera o valor pago pelo convênio.

O BI para laboratórios deve amarrar a produção clínica ao financeiro. Isso significa cruzar o exame liberado no LIS com a guia faturada e com o retorno da glosa. A tabela a seguir ilustra o tipo de leitura de rentabilidade que muda decisão comercial:

Convênio	Exames/mês	Ticket médio	% de glosa	TAT médio	Margem estimada
Convênio A	18.000	R$ 42	3%	5h	Alta
Convênio B	12.500	R$ 28	11%	6h	Média
Convênio C	6.200	R$ 19	14%	7h	Baixa
Particular	4.100	R$ 65	0%	4h	Alta

Os valores acima são ilustrativos e servem só para mostrar a estrutura. O ponto de gestão é visível de imediato: o Convênio C combina ticket baixo, glosa alta e TAT ruim, ou seja, dá trabalho e paga pouco. Essa é a conversa de renegociação contratual que só existe quando produção e faturamento estão no mesmo modelo.

Glosa merece um painel próprio, quebrado por motivo (código de procedimento incorreto, ausência de autorização, divergência de guia). Grande parte da glosa é operacional e recuperável, mas só se você a enxerga a tempo de recorrer dentro do prazo do convênio. Aqui o BI se conecta bem com automação: um fluxo de alerta que avisa o faturamento quando uma glosa nova entra é o tipo de ganho rápido que o Power Platform entrega em cima do dado que já está no painel.

A arquitetura importa: como levar o dado do LIS até o Power BI sem quebrar#

Do ponto de vista técnico, o desafio raramente é o Power BI em si. É trazer o dado do LIS, muitas vezes um banco legado ou uma API limitada, de forma incremental e confiável. A recomendação prática:

• Extração incremental por evento: puxe os carimbos de tempo novos, não a base inteira todo dia. Reduz janela de carga e preserva o histórico de fases.
• Camada de modelagem em estrela: uma fato de eventos de exame e dimensões de exame, unidade, convênio, coletor e calendário. Modelo estrela é o que o motor VertiPaq do Power BI comprime melhor, já que ele comprime colunas por cardinalidade e se beneficia de dimensões enxutas.
• Controle de cardinalidade: evite colunas de altíssima cardinalidade desnecessárias na fato, como identificadores livres de amostra, porque elas incham o modelo e degradam a compressão.

Para laboratórios de rede, com muitas unidades e volume alto, faz sentido avaliar o Microsoft Fabric, anunciado pela Microsoft em 2023, onde o modo Direct Lake lê direto do OneLake sem importação intermediária e o consumo é medido em Capacity Units, com SKUs de capacidade que vão de F2 a F2048. Para operação de porte médio, um bom modelo importado em capacidade Pro ou PPU resolve com folga. Não compre capacidade grande antes de ter o modelo certo. É a ordem inversa do que muita gente faz. Se a origem exige tratamento pesado, vale desenhar o pipeline com engenharia de dados antes de subir para o Power BI.

Dado de laboratório é dado de saúde, e isso tem regra#

Exame é dado pessoal sensível. No Brasil, o tratamento está sob a LGPD, a Lei nº 13.709/2018, que dá tratamento reforçado a dados referentes à saúde. Isso tem consequência prática no BI: controle de acesso por perfil, para que a área comercial veja faturamento agregado sem acessar resultado individual identificado, e segurança em nível de linha quando o painel é compartilhado entre unidades. Governança aqui não é burocracia, é requisito legal. Tratamos disso em detalhe no conteúdo sobre governança e LGPD, e na prática a implantação costuma andar junto com governança de dados.

Por onde começar sem transformar isso num projeto de dois anos#

A tentação é modelar tudo de uma vez. Não faça isso. O caminho que funciona é começar pelo TAT por fase e pelo SLA dos grupos de exame de maior volume, provar valor em poucas semanas, e só então avançar para retrabalho e faturamento. O BI para laboratórios ganha tração quando a primeira entrega já muda uma reunião de operação, não quando promete um painel definitivo para daqui a seis meses.

Um bom ponto de partida técnico e de escopo é um diagnóstico curto da origem de dados e das métricas prioritárias, algo que estruturamos em um discovery e assessment antes de escrever a primeira linha de DAX.

Perguntas frequentes#

Qual a diferença entre TAT e SLA no contexto laboratorial?

TAT é o tempo real que o exame levou, medido em fases. SLA é a meta de prazo acordada por tipo de exame. Você mede o TAT para verificar se cumpriu o SLA. Um cumpre o papel de fato observado, o outro de compromisso combinado.

Por que não usar a média de TAT nos painéis?

Porque a média dilui os atrasos graves em meio ao volume normal e dá uma sensação falsa de controle. Percentil 90 e percentil 95 mostram a experiência do exame que atrasou, que é justamente o que o paciente sente e o convênio cobra. Média serve para relatório institucional, não para gestão de operação.

O BI substitui o LIS do laboratório?

Não. O LIS continua sendo o sistema operacional que registra pedido, amostra e resultado. O BI lê os dados do LIS e de sistemas financeiros para gerar leitura gerencial. São camadas complementares: um opera o processo, o outro mede e expõe o processo.

Dá para medir retrabalho e glosa com os dados que já tenho?

Na maioria dos casos, sim. O LIS já registra motivo de rejeição e recoleta, e o sistema de faturamento já tem o retorno de glosa. O trabalho é consolidar esses status em dimensões consistentes e cruzar com produção. É mais um problema de modelagem do que de coleta nova de dado.

Preciso do Microsoft Fabric ou o Power BI Pro resolve?

Depende do volume e da arquitetura. Operações de porte médio costumam ser bem atendidas por um modelo importado em Power BI Pro ou PPU. Redes com muitas unidades, volume alto e necessidade de dado mais fresco se beneficiam do Fabric e do Direct Lake. A regra é acertar o modelo primeiro e dimensionar a capacidade depois, nunca o contrário.

Como garantir a conformidade com a LGPD ao compartilhar painéis entre unidades?

Com segurança em nível de linha para restringir cada unidade ao próprio dado, perfis de acesso que separam visão comercial agregada de resultado identificado, e registro de quem acessa o quê. Dado de saúde é sensível pela Lei nº 13.709/2018, então o controle de acesso é parte do requisito, não um extra opcional.

Fechamento#

Gestão de laboratório com BI não é sobre ter mais gráfico. É sobre medir TAT por fase, tratar SLA com percentil, dar nome e custo ao retrabalho e amarrar produção a faturamento. Feito nessa ordem, o painel para de ser enfeite e vira ferramenta de decisão diária. Se você quer sair da percepção e entrar no número, fale com a gente.