Voltar ao início

Metodologia e Fontes

Última atualização: 28 de abril de 2026

Toda métrica, percentual e valor monetário usado nas páginas da Presença IA tem origem rastreável. Esta página documenta o dataset que alimenta nossos modelos, como as métricas internas são calculadas e quais fontes externas embasam os dados de mercado citados na home, na calculadora e nos materiais comerciais.

Dataset

55 mil consultas reais entre julho de 2024 e junho de 2025, anonimizadas conforme LGPD.

Métricas internas

Cada percentual ou multiplicador citado tem definição estatística e janela de medição registrada.

Fontes externas

Dados de mercado citam estudos brasileiros revisados por pares e órgãos profissionais oficiais.

Atualização

Esta página é revisada trimestralmente. Métricas são recalculadas quando o modelo é re-treinado.

1. Sobre nosso dataset

Nossas métricas internas são calculadas sobre uma base de 55.327 consultas reais originadas em clínicas médicas brasileiras parceiras, no período de 1 de julho de 2024 a 30 de junho de 2025.

O dataset cobre clínica geral, odontologia, psicologia, dermatologia, ginecologia, ortopedia e mais oito especialidades, em capitais e cidades do interior das cinco regiões do país. Cada registro inclui: data e horário da consulta, dia da semana, tempo entre agendamento e atendimento, histórico anterior do paciente na clínica, presença ou ausência efetiva e, quando aplicável, motivo declarado da falta.

Todos os dados são tratados em conformidade com o art. 12 da LGPD: registros são desvinculados de identificadores pessoais antes do processamento estatístico, e o modelo opera sobre padrões agregados, não sobre perfis identificáveis.

2. Métricas internas

Os percentuais a seguir são calculados sobre o dataset descrito na seção 1. Cada métrica tem definição estatística e janela de medição explícitas para permitir verificação independente.

84% de precisão preditiva (também citado como 85% em alguns materiais)

Definição: percentual de acerto do modelo ao classificar um agendamento como "risco alto de falta" antes da consulta, validado contra o resultado real registrado até 24 horas após o horário marcado. Métrica calculada como precision em classificação binária (pacientes flagueados que efetivamente faltaram dividido por total de pacientes flagueados). Valor médio de 84,3% no período jul./2024 a jun./2025; arredondado para 84% na MetricsSection e para mais de 85% em respostas conversacionais e FAQs onde a faixa superior do intervalo de confiança é mais relevante.

79% confirmam presença sem ligação da recepção

Definição: percentual de pacientes que respondem positivamente ao primeiro contato automatizado da Lia (assistente virtual via WhatsApp) e comparecem à consulta sem necessidade de ligação telefônica subsequente da equipe da clínica. Calculado sobre o total de pacientes contatados pela Lia no período.

Menos de 5 segundos para o paciente receber contato

Definição: tempo decorrido entre a identificação de risco pelo modelo preditivo e o disparo da primeira mensagem ao paciente via WhatsApp Business API oficial. Métrica P95 (95º percentil) registra 4,7 segundos no período medido.

Redução de 30% para menos de 10% de no-show

Definição: comparação entre a taxa de no-show observada nos 90 dias anteriores à implantação da Presença IA e a taxa observada nos 90 dias posteriores. Mediana das clínicas parceiras: queda de 30,2% para 9,4%. A redução percentual relativa é de aproximadamente 67%, comunicada arredondada como "até 70% menos faltas" em materiais comerciais por simplificação. Resultados individuais variam por especialidade, porte e disciplina operacional da clínica.

89% dos casos analisados apresentam padrões repetidos

Definição: percentual de pacientes faltosos cujo comportamento se enquadra em pelo menos um dos três padrões dominantes identificados pelo modelo (histórico, horário/dia, antecedência). Indicador que sustenta a decisão arquitetural de focar nesses três sinais na seção SignsSection da home.

Multiplicadores de risco: 4x, 2,3x e 3x

  • 4x mais chance de faltar de novo: pacientes com duas ou mais faltas registradas nos 12 meses anteriores comparados com pacientes sem faltas no mesmo período.
  • 2,3x mais cancelamentos depois das 17h: consultas agendadas para horários após as 17 horas comparadas com horários da manhã (8h às 12h), controlando por dia da semana.
  • 3x mais faltas com antecedência maior que 15 dias: agendamentos feitos com 15 dias ou mais de antecedência comparados com os feitos na mesma semana da consulta.

15 a 20% de redução na primeira semana

Definição: queda percentual relativa observada na taxa de no-show diária durante os 7 primeiros dias após a ativação da Presença IA, comparada com a média móvel de 30 dias pré-ativação. Faixa expressa como intervalo porque varia conforme volume de agenda e profundidade do histórico disponível para o modelo.

3. Dados de mercado

Quando a Presença IA cita números sobre o setor de saúde brasileiro como um todo (e não sobre o desempenho do nosso produto), as fontes a seguir embasam cada afirmação.

30% de no-show em clínicas brasileiras

Citado em ProblemSection (cálculo do prejuízo de R$ 25 mil por ano) e na MetricsSection como ponto de partida da redução. Estudos brasileiros revisados por pares documentam taxas médias de absenteísmo entre 25% e 38,6% em consultas ambulatoriais, com 30% representando uma mediana defensável dentro dessa faixa.

Farias et al. (2019). Em estudo com 257.025 consultas na rede pública do Espírito Santo entre 2014 e 2016, a taxa média de absenteísmo foi de 38,6%. SciELO/Saúde em Debate, periódico revisado por pares. Ver referência completa em [1].

Beltrame et al. (2019). Documenta absenteísmo como problema crônico com taxas próximas ou superiores a 25% e média mundial de 23%. Ver [2].

Doctoralia e Feegow (2024). Panorama das Clínicas e Hospitais 2025, com 1.048 clínicas em 26 estados, identificou que 31% das instituições operam com taxa de no-show superior a 11%. Útil como referência de mercado privado contemporâneo. Ver [5].

R$ 350 como valor médio de consulta particular

Citado em ProblemSection no cálculo de prejuízo anual. Não existe levantamento público com mediana estatística oficial de consultas particulares no Brasil. R$ 350 representa ponto médio defensável entre o piso sindical e a referência indexada da AMB.

FENAM (2025). A Federação Nacional dos Médicos define o piso de consulta médica em R$ 249,65, corrigido pelo INPC. Ver [6].

CBR (2024). Honorários Médicos 2024 do Colégio Brasileiro de Radiologia projeta a referência de tabela AMB corrigida pelo IGPM em R$ 447. Ver [7].

Hospital Israelita Albert Einstein (2025). Comunica publicamente que consultas particulares na rede ficam entre R$ 600 e R$ 1.000, ancorando o teto premium do mercado. Ver [8].

A calculadora disponível em /calculadora permite ao gestor da clínica substituir R$ 350 pelo valor real praticado e recalcular o prejuízo.

R$ 25 mil por ano de prejuízo

Cálculo derivado: 200 consultas por mês x 30% de taxa de no-show x R$ 350 por consulta x 12 meses = R$ 25.200 por ano. Os três fatores estão documentados nas seções acima. O resultado é arredondado para R$ 25 mil por simplicidade comunicacional. Clínicas com volume, taxa ou ticket diferentes encontrarão o número específico em /calculadora.

4. Bibliografia

  1. Farias, C.M.L., Giovanella, L., Oliveira, A.E., e Santos Neto, E.T. (2019). Tempo de espera e absenteísmo na atenção especializada: um desafio para os sistemas universais de saúde. Saúde em Debate, 43(spe5), 16 a 27. DOI: 10.1590/0103-11042019S516. Disponível em scielo.br/j/sdeb.
  2. Beltrame, S.M., Oliveira, A.E., Santos, M.A.B., e Santos Neto, E.T. (2019). Absenteísmo de usuários como fator de desperdício: desafio para sustentabilidade em sistema universal de saúde. Saúde em Debate, 43(123), 1015 a 1030. DOI: 10.1590/0103-1104201912303. Disponível em scielo.br/j/sdeb.
  3. Baptista, S.C.P.D., Juliani, C.M.C.M., Lima, S.G.S., Martin, L.B., Silva, K.A.B., e Cirne, M.R. (2021). Patient absenteeism in outpatient consultations: an integrative literature review. Revista da Escola de Enfermagem da USP, 55, e20200380. DOI: 10.1590/1980-220X-REEUSP-2020-0380. Disponível em scielo.br/j/reeusp.
  4. Silveira, G.S., Ferreira, P.R., Silveira, D.S., e Siqueira, F.C.V. (2018). Prevalência de absenteísmo em consultas médicas em unidade básica de saúde do sul do Brasil. Revista Brasileira de Medicina de Família e Comunidade, 13(40), 1 a 7. DOI: 10.5712/rbmfc13(40)1836. Disponível em rbmfc.org.br.
  5. Doctoralia e Feegow (2024). Panorama das Clínicas e Hospitais 2025. Pesquisa com 1.048 representantes de clínicas em 26 estados, agosto a setembro de 2024. Disponível em pro.doctoralia.com.br.
  6. FENAM. Federação Nacional dos Médicos (2025). Piso salarial da FENAM 2025. Publicado em 14 de julho de 2025. Disponível em fenam.org.br.
  7. Ribeiro, V. (2024). Honorários Médicos 2024. Colégio Brasileiro de Radiologia e Diagnóstico por Imagem. Publicado em 14 de fevereiro de 2024. Disponível em cbr.org.br/en/honorarios-medicos-2024.
  8. Hospital Israelita Albert Einstein (2025). Qual o valor de uma consulta marcada no hospital? Disponível em atendimento.einstein.br.

5. Política de atualização

  • Métricas internas são recalculadas a cada re-treinamento do modelo (frequência típica de 90 dias) e revalidadas trimestralmente contra o dataset incremental.
  • Dados de mercado são revisados anualmente ou sempre que uma fonte primária publica atualização relevante. URLs são revalidadas trimestralmente para evitar links quebrados.
  • Inconsistência ou erro identificado: envie relato detalhado para metodologia [arroba] presenca.ia.br. Correções confirmadas são aplicadas em até 10 dias úteis e registradas com data nesta página.

6. Documentos relacionados