PROTOCOLO DE REVISÃO DE ESCOPO

APLICABILIDADE DA INTELIGÊNCIA ARTIFICIAL NA LIDERANÇA E GESTÃO EM ENFERMAGEM: PROTOCOLO DE REVISÃO DE ESCOPO

APPLICABILITY OF ARTIFICIAL INTELLIGENCE IN NURSING LEADERSHIP AND MANAGEMENT: A SCOPING REVIEW PROTOCOL

APLICABILIDAD DE LA INTELIGENCIA ARTIFICIAL EN EL LIDERAZGO Y LA GESTIÓN DE ENFERMERÍA: PROTOCOLO DE REVISIÓN DE ALCANCE

https://doi.org/10.31011/reaid-2026-v.100-n.2-art.2770

¹Kaylane Bernardo de Araujo Pinheiro

²Aléxia Santos de Oliveira

³Ana Clara Carmo de Jesus

⁴Camila Barreto dos Santos

⁵Frances Valéria Costa e Silva

⁶Glycia de Almeida Nogueira

⁷Diana Amado Baptista dos Santos

⁸Luciana Guimarães Assad

¹Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0009-0009-8608-8173

²Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0009-0005-5976-4253

³Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0009-0001-2080-3439

⁴Hospital Universitário Pedro Ernesto, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0009-0005-4615-5571

⁵Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0000-0002-0441-2294

⁶Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0000-0002-2986-2427

⁷Biblioteca da Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0000-0002-3428-6217

⁸Faculdade de Enfermagem, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brasil. https://orcid.org/0000-0003-1134-2279

Autor correspondente

Luciana Guimarães Assad

Rua Gilberto Cardoso n. 280 apt. 604, Leblon, Rio de Janeiro, Brasil. CEP:22430-070- lgassad@gmail.com

Submissão: 15-10-2025

Aprovado: 17-03-2026

RESUMO

Introdução: A Inteligência Artificial tem se consolidado como uma ferramenta estratégica para a inovação na enfermagem, especialmente nas áreas de liderança e gestão do cuidado. Sua capacidade de processar grandes volumes de dados e apoiar decisões baseadas em evidências amplia o potencial dos enfermeiros-líderes para otimizar recursos, promover a qualidade assistencial e fortalecer a segurança do paciente. Objetivo: Mapear as evidências disponíveis sobre os benefícios, desafios e recomendações relacionadas ao uso da IA por enfermeiros em posições de gestão e liderança no contexto hospitalar. Método: Trata-se de um protocolo de revisão de escopo, registrado no Open Science Framework (DOI: 10.17605/OSF.IO/J6Q5V), elaborado conforme a metodologia do JBI e reportado segundo a extensão PRISMA-ScR. Serão incluídos estudos empíricos de diferentes delineamentos, pesquisas qualitativas, revisões sistemáticas e literatura cinzenta que abordem a aplicação da IA na liderança e gestão em enfermagem hospitalar. As buscas serão realizadas nas bases MEDLINE, CINAHL, Embase, Scopus e Web of Science, além de fontes adicionais. Não haverá restrição de idioma ou período. Dois revisores independentes realizarão a triagem, extração e análise dos dados, com apresentação narrativa e tabular dos resultados. Resultados esperados: Pretende-se identificar evidências sobre benefícios, desafios, barreiras e recomendações práticas para o uso da Inteligência Artificial em processos decisórios e de apoio gerencial. Conclusão: Espera-se que esta revisão contribua para a incorporação ética, segura e efetiva da IA na gestão em enfermagem hospitalar, fortalecendo a formação profissional, a tomada de decisão baseada em evidências e a melhoria contínua da qualidade e segurança do cuidado.

Palavras-chave: Inteligência Artificial; Tomada de Decisão; Liderança em Enfermagem; Administração de Serviços de Saúde; Revisão de Escopo.

ABSTRACT

Introduction: Artificial Intelligence has emerged as a strategic tool for innovation in nursing, particularly in leadership and care management. Its ability to process large volumes of data and support evidence-based decision-making enhances nurse leaders’ capacity to optimize resources, improve care quality, and strengthen patient safety. Objective: To map the available evidence on the benefits, challenges, and recommendations related to the use of AI by nurses in management and leadership positions within hospital settings. Method: This is a scoping review protocol, registered in the Open Science Framework (DOI: 10.17605/OSF.IO/J6Q5V), developed according to the JBI methodology and reported following the PRISMA-ScR extension. Empirical studies of various designs, qualitative research, systematic reviews, and grey literature addressing the application of AI in nursing leadership and management will be included. Searches will be conducted in MEDLINE, CINAHL, Embase, Scopus, and Web of Science, as well as additional sources. No language or time restrictions will be applied. Two independent reviewers will perform screening, data extraction, and analysis, with results presented narratively and in tabular form. Expected results: The review aims to identify evidence on the benefits, challenges, barriers, and practical recommendations for using Artificial Intelligence in managerial and decision-making processes. Conclusion: The findings are expected to support the ethical, safe, and effective incorporation of AI in hospital nursing management, strengthening professional training, evidence-based decision-making, and continuous improvement in care quality and patient safety.

Keywords: Artificial Intelligence; Decision Making; Nursing Leadership; Health Services Administration; Scoping Review.

RESUMEN

Introducción: La Inteligencia Artificial se ha consolidado como una herramienta estratégica para la innovación en enfermería, especialmente en las áreas de liderazgo y gestión del cuidado. Su capacidad para procesar grandes volúmenes de datos y apoyar decisiones basadas en evidencias amplía el potencial de los enfermeros líderes para optimizar recursos, mejorar la calidad asistencial y fortalecer la seguridad del paciente. Objetivo: Mapear las evidencias disponibles sobre los beneficios, desafíos y recomendaciones relacionadas con el uso de la IA por parte de enfermeros en cargos de gestión y liderazgo en el contexto hospitalario. Método: Se trata de un protocolo de revisión de alcance (scoping review), registrado en el Open Science Framework (DOI: 10.17605/OSF.IO/J6Q5V), elaborado según la metodología del JBI y reportado conforme a la extensión PRISMA-ScR. Se incluirán estudios empíricos de diferentes diseños, investigaciones cualitativas, revisiones sistemáticas y literatura gris que aborden la aplicación de la IA en el liderazgo y la gestión en enfermería hospitalaria. Las búsquedas se realizarán en las bases MEDLINE, CINAHL, Embase, Scopus y Web of Science, además de fuentes adicionales, sin restricción de idioma o periodo. Dos revisores independientes llevarán a cabo la selección, extracción y análisis de los datos, presentando los resultados de forma narrativa y tabular. Resultados esperados: Se espera identificar evidencias sobre beneficios, desafíos, barreras y recomendaciones prácticas para el uso de la Inteligencia Artificial en procesos decisorios y de apoyo gerencial. Conclusión: Esta revisión busca aportar fundamentos para la incorporación ética, segura y efectiva de la IA en la gestión de enfermería hospitalaria, fortaleciendo la formación profesional, la toma de decisiones basada en evidencias y la mejora continua de la calidad y seguridad del cuidado.

Palabras clave: Inteligencia Artificial; Toma de Decisiones; Liderazgo em Enfermería; Administración de los servicios de Salud; Revisión de Alcance.

INTRODUÇÃO

A Inteligência Artificial (IA) é um campo multidisciplinar voltado ao desenvolvimento de sistemas capazes de executar tarefas que tradicionalmente requerem inteligência humana, como raciocínio, tomada de decisão, resolução de problemas e aprendizado. Suas abordagens variam entre aquelas que buscam replicar os processos cognitivos humanos e as que priorizam o desempenho racional, baseando-se na capacidade de agir de maneira eficaz a partir da análise efetiva de grandes volumes de dados disponíveis^(1,2).

Com a crescente digitalização da saúde, a IA vem sendo incorporada de maneira progressiva nas práticas clínicas, administrativas e gerenciais. No campo da enfermagem, essa integração configura-se como uma oportunidade estratégica de transformação, particularmente nas áreas de liderança e gestão do cuidado⁽³⁾.

A liderança em enfermagem é uma competência fundamental e complexa, que envolve a mobilização de pessoas e recursos com vistas à excelência assistencial e aos melhores desfechos clínicos⁽⁴⁾. Nesse contexto, a IA desponta como uma aliada promissora para enfermeiros líderes, ao potencializar a organização do trabalho, favorecer decisões baseadas em evidências e impulsionar a melhoria contínua da qualidade e segurança do cuidado⁽⁵⁾.

Estudos recentes apontam que a adoção de tecnologias de IA nos sistemas de saúde pode gerar benefícios significativos. Contudo, sua implementação demanda a consideração de aspectos éticos, operacionais e econômicos. Para além da infraestrutura tecnológica, a eficácia da IA está condicionada à formação de profissionais com competências em alfabetização digital, pensamento crítico e liderança transformacional. Nesse contexto, os líderes de enfermagem, ocupam papel central na articulação entre tecnologia e prática assistencial, promovendo a inovação sem perder de vista a humanização do cuidado⁽⁵⁾.

Considerando a complexidade crescente dos serviços de saúde e da demanda por maior eficiência, personalização e segurança da assistência, torna-se premente compreender como a IA vem sendo utilizada na liderança em enfermagem. Além de identificar avanços consolidados, é necessário mapear desafios e recomendações emergentes na literatura científica, de modo a subsidiar sua adoção ética, segura e eficaz⁽⁶⁾.

A motivação para esta revisão de escopo decorre da observação do rápido avanço das tecnologias de inteligência artificial na sociedade e de seu potencial transformador no contexto hospitalar. Esse estudo permitirá mapear e analisar as evidências disponíveis sobre o uso da IA por enfermeiros em posições de gestão e liderança, explorando os benefícios e desafios envolvidos, bem como recomendações para o cuidado, a gestão de processos e a tomada de decisão nos serviços de saúde.

Durante a etapa de verificação de sobreposição de evidências, foi identificado um protocolo de revisão de escopo previamente registrado na plataforma Open Science Framework (OSF), intitulado “Contributions of Artificial Intelligence to Nursing Leadership” (DOI: 10.17605/OSF.IO/PFR5T). No entanto, até a data da última busca, não foi localizada publicação científica derivada desse protocolo em periódicos indexados. Além disso, o referido registro apresenta uma abordagem conceitualmente mais ampla, sem delimitação explícita do contexto hospitalar ou das funções de liderança exercidas por enfermeiros. Diferentemente dessa proposta, a presente revisão delimita explicitamente o contexto hospitalar e o uso da inteligência artificial por enfermeiros em posições de liderança e gestão, com o objetivo de identificar aplicações práticas, benefícios, desafios e implicações para a tomada de decisão na gestão do cuidado.

Também foi identificado um artigo publicado no Journal of Nursing Management (Volume 2025, 6 páginas, DOI: 10.1155/jonm/2797535), cujo objetivo se aproxima da proposta desta revisão. A continuidade do presente estudo se justifica, uma vez que o referido estudo apresentou limitações quanto ao período analisado (iniciado em 2013) e ao idioma, restringindo-se ao inglês e ao persa, além da metodologia adotada não seguiu o mesmo referencial proposto nesta revisão. Cabe destacar, ainda, que não foi localizado registro do protocolo desse artigo no OSF ou no PROSPERO, e os autores tampouco mencionaram qualquer registro formal do estudo⁽⁷⁾.

Assim, considerando as diferenças de escopo temático, delimitação de contexto, critérios de elegibilidade, referencial metodológico e transparência de registro, a presente revisão propõe um mapeamento mais específico e metodologicamente alinhado às diretrizes contemporâneas de síntese de evidências. O Quadro 1 apresenta uma comparação estruturada entre os estudos previamente identificados e o presente protocolo, evidenciando suas principais distinções.

Quadro 1- Comparação entre estudos previamente identificados e o presente protocolo Rio de Janeiro, RJ, Brasil, 2026.

Aspecto	Protocolo OSF (DOI: PFR5T)	Artigo Journal of Nursing Management (2025)	Presente protocolo
Tipo de estudo	Protocolo de revisão de escopo	Revisão publicada	Protocolo de revisão de escopo
Registro prévio	Registrado no OSF	Não identificado registro de protocolo	Registrado previamente
Escopo temático	Contribuições da IA para liderança em enfermagem (abordagem ampla)	Uso da IA na liderança em enfermagem	Uso da IA por enfermeiros em posições de liderança e gestão
Delimitação de contexto	Não especificado	Não explicitamente delimitado	Contexto hospitalar
População foco	Liderança em enfermagem (geral)	Liderança em enfermagem	Enfermeiros em posições de liderança e gestão
Período analisado	Não claramente delimitado	A partir de 2013	Sem restrição inicial de período
Idiomas incluídos	Não especificado	Inglês e persa	Estratégia ampliada de idiomas
Referencial metodológico	Não claramente especificado	Metodologia distinta	Metodologia JBI para revisões de escopo
Objetivo principal	Explorar contribuições da IA para liderança	Revisar aplicações da IA na liderança	Mapear evidências sobre uso da IA por enfermeiros líderes no contexto hospitalar

Fonte: Autores, 2026

Assim sendo, o objetivo dessa revisão de escopo é mapear as evidências disponíveis sobre os benefícios, desafios e recomendações no uso da inteligência artificial por enfermeiros em posição de gestão e liderança no contexto hospitalar de atenção à saúde.

MÉTODOS

Trata-se de um protocolo de revisão de escopo, registrado no Open Science Framework (OSF), (DOI 10.17605/OSF.IO/J6Q5V), estruturado com base nas diretrizes metodológicas do JBI para scoping reviews, que orientam a elaboração rigorosa e sistemática deste tipo de estudo⁽⁸⁾. A apresentação dos resultados seguirá a extensão PRISMA para revisões de escopo (PRISMA-ScR – Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews) ⁽⁹⁾, garantindo a padronização, a clareza metodológica e a transparência dos achados.

A pergunta de revisão, desenhada a partir do acrônimo PCC é: Quais são as evidências disponíveis sobre os benefícios, desafios e recomendações no uso da inteligência artificial por enfermeiros em posições de gestão e liderança no contexto hospitalar de atenção à saúde?

No que se refere aos critérios de elegibilidade, o desenho desta revisão prevê que, quanto aos participantes (P), serão incluídos estudos que abordem enfermeiros que ocupam posições de liderança ou desempenham funções gerenciais nos serviços de enfermagem. No conceito (C), serão contemplados estudos que explorem os benefícios, desafios e recomendações relacionados ao uso de tecnologias baseadas em inteligência artificial aplicadas à liderança e à gestão em enfermagem, incluindo sistemas de apoio à decisão clínica ou gerencial, algoritmos preditivos, ferramentas de automação administrativa e recursos fundamentados em big data. Quanto ao contexto (C), serão considerados estudos realizados em ambientes hospitalares públicos, privados ou filantrópicos, de qualquer porte e localização geográfica, voltados à atenção à saúde. Serão excluídos os estudos conduzidos em instituições de longa permanência para idosos, uma vez que esses cenários apresentam características próprias do cuidado crônico e residencial, distintas do contexto hospitalar, o que poderia comprometer a comparabilidade dos resultados com o foco desta revisão.

Serão incluídos ensaios clínicos randomizados, ensaios clínicos não-randomizados, estudos experimentais antes e depois, estudos observacionais (coorte prospectiva e retrospectiva, caso-controle e estudos transversais analíticos), bem como estudos descritivos (séries de casos, relatos de caso e estudos transversais descritivos). Também serão incluídos estudos qualitativos (como fenomenologia, teoria fundamentada, etnografia, descrição qualitativa, pesquisa-ação e pesquisas feministas), revisões sistemáticas que atendam aos critérios de inclusão, e documentos de opinião ou textos de especialistas.

A estratégia de busca foi elaborada inicialmente para a base MEDLINE via PubMed, utilizando combinação de descritores controlados (MeSH), termos livres e operadores booleanos, envolvendo os domínios "nursing", "leadership", "management" e "artificial intelligence". A busca inicial foi refinada a partir da análise dos termos mais frequentes nos títulos e resumos dos estudos identificados. Posteriormente, a estratégia foi adaptada para outras bases. Fontes de literatura cinzenta também serão consultadas, bem como listas de referências dos estudos incluídos. Não haverá restrição de idioma ou data.

Serão consultadas as seguintes bases de dados eletrônicas, conforme descrição no Quadro 2: MEDLINE via PubMed, Scopus (Elsevier), LILACS, BDENF/BVS, e Web of Science (Clarivate). Além disso, será realizada busca por literatura cinzenta no Google Scholar e ProQuest Dissertations & Theses. As listas de referências dos estudos incluídos também serão examinadas para identificação de fontes adicionais. A busca mais recente será atualizada até a etapa final de seleção dos estudos.

Quadro 2- Estratégias de Busca. Rio de Janeiro, RJ, Brasil, 2026.

Bases de Dados/Literatura Cinzenta	ESTRATÉGIA DE BUSCA
PUBMED	("nursing"[MeSH Terms] OR nurs*[Text Word] OR "Nursing Care"[MeSH Terms] OR "Nursing Care"[Title/Abstract] OR nursing[Title/Abstract]) AND ("leadership"[MeSH Terms] OR Leadership[Title/Abstract] OR leader[Title/Abstract] OR "Personnel Management"[MeSH Terms] OR "Health Management"[Title/Abstract] OR "Nursing Management*"[Text Word] OR "nurse administrators"[MeSH Terms] OR Nurse Administrators[Text Word] OR "Nurse Administrator"[Text Word] OR "Nurse Executives*"[Text Word] OR "Nurse Executive"[Text Word] OR "Nurse Managers*"[Text Word] OR "Nurse Manager"[Text Word] OR "nurse leader*"[Text Word] OR "Decision Making"[MeSH Terms] OR "Decision Making"[Title/Abstract] OR "decision making, organizational"[MeSH Terms] OR "Organizational Decision Making"[Text Word] OR "Decision"[Title/Abstract]) AND ("artificial intelligence"[MeSH Terms] OR "Artificial intelligence"[Text Word] OR "AI"[Title/Abstract] OR "Artificial Intelligence"[Title/Abstract] OR "Machine Intelligence"[Title/Abstract] OR "Computational Intelligence"[Title/Abstract] OR "Technology"[MeSH Terms] OR "software"[MeSH Terms]) AND ("Hospitals"[MeSH Terms] OR Hospitals*[Text word] OR "Delivery of Health Care"[MeSH Terms])
SCOPUS	TITLE-ABS(("nursing" OR nurs* OR "Nursing Care" OR "Nursing Care") AND (Leadership OR Leader OR "Personnel Management" OR "Health Management" OR "Nursing Management*" OR Nurse Administrators OR "Nurse Administrator" OR "Nurse Executives*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Decision Making" OR "Decision Making" OR "Organizational Decision Making" OR "Decision") AND ("artificial intelligence" OR "AI" OR "Machine Intelligence" OR "Computational Intelligence" OR "Technology" OR "software") AND ("Hospitals" OR Hospitals* OR "Delivery of Health Care"))
LILACS	(mh:("enfermagem" OR  "cuidados de enfermagem" OR "enfermeiras e enfermeiros" OR "enfermeiros") OR ti:(enfermagem OR "nursing" OR "Nursing Care" OR "enfermeiras e enfermeiros" OR enfermeiro*)) AND (mh:("liderança" OR  "Gestão de Recursos Humanos" OR "Enfermeiros Administradores" OR "Tomada de Decisões" OR "Tomada de Decisões Gerenciais") OR ti:(liderança OR leadership OR leader OR líder OR "Gestão de Recursos Humanos" OR "Administração de Pessoal" OR "Personnel Management" OR "Health Management" OR "Administração de Pessoal em Saúde" OR  "Administração de Recursos Humanos" OR  "Administração de Recursos Humanos em Saúde" OR "Administração dos Recursos Humanos em Saúde" OR "Gestão de Pessoal" OR  "Gestão de Pessoal em Saúde" OR "Gestão de Pessoas" OR  "Gestão de Pessoas na Área de Saúde" OR "Nursing Management*" OR "Enfermeiros Administradores" OR "nurse administrators" OR "Nurse Administrators" OR "Nurse Administrator" OR "Nurse Executive*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Administradores Enfermeiros" OR   "Enfermeiras Administradoras" OR  "Enfermeiros Executivos" OR "Enfermeiros Gerentes" OR "Executivos Enfermeiros" OR "Gerentes Enfermeiros" OR "tomada de decisão" OR "Decision Making" OR decisão OR decisões OR  "Tomada de Decisão" OR "Tomada de Decisões Gerenciais" OR "Organizational Decision Making" OR "Decision" OR "Decisão Administrativa" OR  "Decisão Gerencial" OR  "Decisões Administrativas" OR  "Decisões Gerenciais") OR ab:(liderança OR leadership OR leader OR líder OR "Gestão de Recursos Humanos" OR "Administração de Pessoal" OR "Personnel Management" OR "Health Management" OR "Administração de Pessoal em Saúde" OR  "Administração de Recursos Humanos" OR  "Administração de Recursos Humanos em Saúde" OR "Administração dos Recursos Humanos em Saúde" OR "Gestão de Pessoal" OR  "Gestão de Pessoal em Saúde" OR "Gestão de Pessoas" OR  "Gestão de Pessoas na Área de Saúde" OR "Nursing Management*" OR "Enfermeiros Administradores" OR "nurse administrators" OR "Nurse Administrators" OR "Nurse Administrator" OR "Nurse Executive*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Administradores Enfermeiros" OR   "Enfermeiras Administradoras" OR  "Enfermeiros Executivos" OR "Enfermeiros Gerentes" OR "Executivos Enfermeiros" OR "Gerentes Enfermeiros" OR "tomada de decisão" OR "Decision Making" OR decisão OR decisões OR  "Tomada de Decisão" OR "Tomada de Decisões Gerenciais" OR "Organizational Decision Making" OR "Decision" OR "Decisão Administrativa" OR  "Decisão Gerencial" OR  "Decisões Administrativas" OR  "Decisões Gerenciais")) AND (mh:("Inteligência artificial" OR "tecnologia" OR "software") OR "artificial intelligence" OR "Inteligência Artificial" OR "Inteligência de Máquina" OR "Machine Intelligence" OR "Computational Intelligence" OR "Technology" OR "tecnologia" OR "software") AND (mh:("hospitais" OR "Atenção à saúde") OR hospital  OR hospitais OR "Hospitals"or  "Atenção à saúde" OR "Delivery of Health Care") AND db:("LILACS") AND instance:"regional"
BDENF/BVS	mh:("enfermagem" OR  "cuidados de enfermagem" OR "enfermeiras e enfermeiros" OR "enfermeiros") OR ti:(enfermagem OR "nursing" OR "Nursing Care" OR "enfermeiras e enfermeiros" OR enfermeiro*)) AND (mh:("liderança" OR  "Gestão de Recursos Humanos" OR "Enfermeiros Administradores" OR "Tomada de Decisões" OR "Tomada de Decisões Gerenciais") OR ti:(liderança OR leadership OR leader OR líder OR "Gestão de Recursos Humanos" OR "Administração de Pessoal" OR "Personnel Management" OR "Health Management" OR "Administração de Pessoal em Saúde" OR  "Administração de Recursos Humanos" OR  "Administração de Recursos Humanos em Saúde" OR "Administração dos Recursos Humanos em Saúde" OR "Gestão de Pessoal" OR  "Gestão de Pessoal em Saúde" OR "Gestão de Pessoas" OR  "Gestão de Pessoas na Área de Saúde" OR "Nursing Management*" OR "Enfermeiros Administradores" OR "nurse administrators" OR "Nurse Administrators" OR "Nurse Administrator" OR "Nurse Executive*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Administradores Enfermeiros" OR   "Enfermeiras Administradoras" OR  "Enfermeiros Executivos" OR "Enfermeiros Gerentes" OR "Executivos Enfermeiros" OR "Gerentes Enfermeiros" OR "tomada de decisão" OR "Decision Making" OR decisão OR decisões OR  "Tomada de Decisão" OR "Tomada de Decisões Gerenciais" OR "Organizational Decision Making" OR "Decision" OR "Decisão Administrativa" OR  "Decisão Gerencial" OR  "Decisões Administrativas" OR  "Decisões Gerenciais") OR ab:(liderança OR leadership OR leader OR líder OR "Gestão de Recursos Humanos" OR "Administração de Pessoal" OR "Personnel Management" OR "Health Management" OR "Administração de Pessoal em Saúde" OR  "Administração de Recursos Humanos" OR  "Administração de Recursos Humanos em Saúde" OR "Administração dos Recursos Humanos em Saúde" OR "Gestão de Pessoal" OR  "Gestão de Pessoal em Saúde" OR "Gestão de Pessoas" OR  "Gestão de Pessoas na Área de Saúde" OR "Nursing Management*" OR "Enfermeiros Administradores" OR "nurse administrators" OR "Nurse Administrators" OR "Nurse Administrator" OR "Nurse Executive*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Administradores Enfermeiros" OR   "Enfermeiras Administradoras" OR  "Enfermeiros Executivos" OR "Enfermeiros Gerentes" OR "Executivos Enfermeiros" OR "Gerentes Enfermeiros" OR "tomada de decisão" OR "Decision Making" OR decisão OR decisões OR  "Tomada de Decisão" OR "Tomada de Decisões Gerenciais" OR "Organizational Decision Making" OR "Decision" OR "Decisão Administrativa" OR  "Decisão Gerencial" OR  "Decisões Administrativas" OR  "Decisões Gerenciais")) AND (mh:("Inteligência artificial" OR "tecnologia" OR "software") OR "artificial intelligence" OR "Inteligência Artificial" OR "Inteligência de Máquina" OR "Machine Intelligence" OR "Computational Intelligence" OR "Technology" OR "tecnologia" OR "software") AND (mh:("hospitais" OR "Atenção à saúde") OR hospital  OR hospitais OR "Hospitals"or  "Atenção à saúde" OR "Delivery of Health Care") AND db:("BDENF") AND instance:"regional"
Web of Science	TS=("nursing" OR nurs* OR "Nursing Care" OR "Nursing Care") AND (TI=(Leadership OR Leader OR "Personnel Management" OR "Health Management" OR "Nursing Management*" OR Nurse Administrators OR "Nurse Administrator" OR "Nurse Executives*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Decision Making" OR "Decision Making" OR "Organizational Decision Making" OR "Decision") OR  AB=(Leadership OR Leader OR "Personnel Management" OR "Health Management" OR "Nursing Management*" OR Nurse Administrators OR "Nurse Administrator" OR "Nurse Executives*" OR "Nurse Executive" OR "Nurse Managers*" OR "Nurse Manager" OR "nurse leader*" OR "Decision Making" OR "Decision Making" OR "Organizational Decision Making" OR "Decision")) AND (TI=("artificial intelligence" OR "AI" OR "Machine Intelligence" OR "Computational Intelligence" OR "Technology" OR "software") OR AB=("artificial intelligence" OR "AI" OR "Machine Intelligence" OR "Computational Intelligence" OR "Technology" OR "software")) AND TS=("Hospitals" OR Hospitals* OR " Delivery of Health Care")
Google Acadêmico	(enfermagem OR enfermeiros OR "cuidados de enfermagem" OR "nursing" OR nurses OR "Nursing Care") AND ("liderança" OR "Gestão de Recursos Humanos" OR "Enfermeiros Administradores" OR "Tomada de Decisões" OR "Tomada de Decisões Gerenciais" OR Leadership OR Leader OR "Personnel Management" OR "Health Management" OR "Nursing Managements" OR "Nurse Administrators" OR "Nurse Administrator" OR "Nurse Executives" OR "Nurse Manager" OR "nurse leader" OR "Decision Making" OR "Organizational Decision Making") AND ("inteligência artificial" OR "artificial intelligence") AND (Hospitals OR Hospitais OR "Delivery of Health Care" OR "Atenção à saúde")
Proquest	(nurs* OR "nursing care" OR nursing) AND (leadership OR leader* OR "personnel management" OR "health management" OR "nursing management" OR "nurse administrator*" OR "nurse executive*" OR "nurse manager*" OR "nurse leader*" OR "decision making" OR "organizational decision making" OR decision*) AND ("artificial intelligence" OR AI OR "machine intelligence" OR "computational intelligence" OR technolog* OR software) AND (hospital* OR "health care delivery" OR "delivery of health care")

Fonte: Autores, 2026

Para a seleção dos estudos, todos os registros recuperados serão importados para o gerenciador de referências EndNote, onde será feita a remoção de duplicatas. Em seguida, os registros serão exportados para a plataforma Rayyan QCRI, ferramenta amplamente utilizada para revisões sistemáticas e de escopo. Dois revisores procederão à triagem dos títulos e resumos de forma independente, com ocultamento mútuo das decisões, avaliando a adequação dos estudos com base nos critérios previamente definidos para inclusão. Um teste piloto será realizado com 25 estudos para garantir a consistência do processo de triagem. Em situações de discordância entre os avaliadores, estas serão resolvidas por consenso; persistindo o impasse, um terceiro revisor será consultado para decisão final. A fase seguinte envolverá a leitura dos textos completos dos estudos potencialmente elegíveis. As discordâncias entre revisores serão resolvidas por consenso, e um terceiro revisor será acionado em caso de impasse. Os resultados do processo de seleção serão apresentados graficamente por meio do diagrama de fluxo PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews). Estudos excluídos após leitura na íntegra terão as respectivas razões listados em tabela própria.

A extração dos dados será conduzida por dois revisores de forma independente, e sintetizadas em formulário eletrônico com auxílio do software Microsoft Excel baseando-se nos artigos relevantes extraídos da base de dados, presentes no Quadro 3, em que tópicos como título, resumo, delineamento metodológico, objetivos país de origem do estudo, desenho do estudo e outros elementos base de pesquisa serão analisados, conceito, contexto, método do estudo, tipo de intervenção, objetivos, resultados principais e lacunas identificadas. Em casos de discordância entre os revisores, estas serão resolvidas por consenso; se necessário, um terceiro revisor será consultado. Quando aplicável, os autores dos estudos poderão ser contatados para complementação ou esclarecimento de dados ausentes.

 Quadro 3 – Extração de dados, Rio de Janeiro, RJ, Brasil, 2026.

Item	Descrição / Objetivo
ID do Estudo	Código único atribuído a cada artigo incluído para controle interno.
Título do Artigo	Título completo da publicação, conforme apresentado na base de dados.
Autores / Ano	Nome dos autores principais.
Ano	Ano de publicação do estudo.
País / Local do Estudo	Localização geográfica onde a pesquisa foi conduzida.
Objetivo do Estudo	Declaração do(s) objetivo(s) principal(is) do artigo conforme apresentado pelos autores.
Tipo de Estudo	Delineamento metodológico (ex: estudo qualitativo, coorte, revisão sistemática, estudo de caso etc.).
Participantes	Descrição dos enfermeiros envolvidos no estudo: cargo, tempo de atuação, perfil da liderança etc.
Contexto	Tipo de instituição hospitalar onde a pesquisa foi realizada (ex: público, privado, filantrópico; nível de atenção).
Tipo de Tecnologia de IA	Especificação da tecnologia de inteligência artificial utilizada (ex: machine learning, algoritmo preditivo, chatbot, etc.).
Finalidade da IA	A finalidade da tecnologia no contexto da liderança/gestão (ex: apoio à decisão, automação, triagem etc.).
Resultados Principais	Síntese dos achados do estudo com ênfase nos benefícios, desafios e recomendações da aplicação da IA.
Benefícios da IA	Benefícios identificados para a implementação ou uso eficaz da tecnologia.
Desafios / Barreiras/riscos da IA	Obstáculos identificados para a implementação ou uso eficaz da tecnologia.
Recomendações dos Autores	Sugestões apresentadas pelos autores do estudo quanto à implementação, ao uso futuro ou expansão da IA na liderança em enfermagem.
Lacunas Identificadas	Pontos ainda pouco explorados ou ausentes na literatura que o estudo sinaliza.
Conclusões Relevantes	Considerações finais do estudo que podem embasar decisões, políticas ou pesquisas futuras.
Fonte de Financiamento	Informação sobre quem financiou a pesquisa, quando disponível.
Notas Adicionais	Comentários ou observações relevantes feitas pelos revisores durante a análise.

Fonte: Autores, 2026

Os dados serão analisados por meio de síntese descritiva, conforme recomendado pelo Manual JBI for Evidence Synthesis para revisões de escopo. Inicialmente, os estudos incluídos serão organizados e apresentados em tabelas de caracterização, contendo informações sobre autores, ano, país, delineamento metodológico, participantes e contexto institucional.

Além disso, os estudos serão agrupados de acordo com categorias analíticas previamente definidas, incluindo: tipo de tecnologia de inteligência artificial utilizada, finalidade da aplicação da IA na gestão ou liderança em enfermagem (por exemplo, apoio à tomada de decisão, automação de processos, previsão ou alocação de recursos) e nível organizacional da liderança (operacional, tático ou estratégico).

Os resultados também serão apresentados por meio de quadros e representações visuais, quando apropriado, para facilitar a identificação de padrões e tendências na literatura. A síntese dos achados destacará benefícios, desafios, riscos éticos e recomendações para a implementação da inteligência artificial na liderança em enfermagem.

Adicionalmente, será construída uma matriz de síntese cruzando o tipo de tecnologia de IA, o nível de liderança envolvido e os impactos organizacionais reportados nos estudos, com o objetivo de mapear áreas de concentração de evidências e lacunas na literatura.

A identificação de lacunas de pesquisa considerará aspectos como ausência de estudos empíricos, predominância de estudos conceituais ou opinativos, concentração geográfica das evidências e sub-representação de determinados contextos hospitalares.

CONSIDERAÇÕES FINAIS

Espera-se que esta revisão de escopo contribua para ampliar a compreensão sobre o uso da Inteligência Artificial em processos decisórios e de apoio gerencial na enfermagem hospitalar, ao mapear e descrever a literatura existente sobre o tema. Ao identificar como a Inteligência Artificial tem sido aplicada nesse contexto, incluindo benefícios relatados, desafios, barreiras e recomendações descritas nos estudos, esta revisão fornecerá uma visão abrangente do estado atual do conhecimento.

Os resultados poderão apoiar pesquisadores, gestores e educadores em enfermagem na compreensão das tendências emergentes, das abordagens utilizadas e dos contextos em que essas tecnologias vêm sendo exploradas, contribuindo para o desenvolvimento de iniciativas educacionais, tecnológicas e organizacionais relacionadas à gestão em enfermagem.

Além disso, o mapeamento da literatura permitirá identificar lacunas de conhecimento e áreas prioritárias para investigação futura, podendo subsidiar o desenvolvimento de estudos primários e de revisões sistemáticas focadas na avaliação da efetividade e dos impactos do uso da Inteligência Artificial na liderança e gestão em enfermagem.

REFERÊNCIAS

1. Charniak E, McDermott D. Introduction to artificial intelligence. Reading: Addison-Wesley; 1985.

2. Poole D, Mackworth AK, Goebel R. Computational intelligence: a logical approach. New York: Oxford University Press; 1998.

3. Tarsuslu S, Agaoglu FO, Bas M. Can digital leadership transform AI anxiety and attitude in nurses? J Nurs Scholarsh. 2025;57(1):28-38. doi:10.1111/jnu.13008.

4. Cummings GG, Lee S, Tate K, Penconek T, Micaroni SPM, Paananen T, et al. The essentials of nursing leadership: a systematic review of factors and educational interventions influencing nursing leadership. Int J Nurs Stud. 2021;115:103842. doi:10.1016/j.ijnurstu.2020.103842.

5. Peltonen LM, Topaz M. Artificial intelligence in health care: implications for nurse managers. J Nurs Manag. 2022;30(8):3641-3643. doi:10.1111/jonm.13858.

6. Fernandes F, Santos P, Sá L, Neves J. Contributions of artificial intelligence to decision making in nursing: a scoping review protocol. Nurs Rep. 2023;13(1):67-72. doi:10.3390/nursrep13010007.

7. Katebi M, Bahreini M, Bagherzadeh R, Pouladi S, Shin K. Artificial intelligence and nursing management: opportunities, challenges, and ethical considerations: a scoping review. J Nurs Manag. 2025;2025:2797535. doi:10.1155/jonm/2797535.

8. Aromataris E, Lockwood C, Porritt K, Pilla B, Jordan Z, editors. JBI manual for evidence synthesis. Adelaide: JBI; 2024. doi:10.46658/JBIMES-24-01.

9. Tricco AC, Lillie E, Zarin W, O'Brien KK, Colquhoun H, Levac D, et al. PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Ann Intern Med. 2018;169(7):467-473. doi:10.7326/M18-0850.

Fomento e Agradecimento:

Não existem financiamentos externos para essa pesquisa. Os custos são assumidos pelos autores.

Critérios de autoria (contribuições dos autores)

Todos os autores: Revisão do manuscrito.

Kaylane Bernardo de Araujo Pinheiro - Primeiro revisor

Aléxia Santos de Oliveira - Segundo revisor

Ana Clara Carmo de Jesus - Terceiro revisor

Camila Barreto dos Santos - Concepção e planejamento

Frances Valéria Costa e Silva - Especialista na abordagem

Glycia de Almeida Nogueira – Concepção e planejamento

Diana Amado Baptista dos Santos- Estratégia de Busca

Luciana Guimarães Assad – Coordenador e Autor correspondente

Declaração de disponibilidade de dados

Não foram gerados bancos de dados neste estudo. As informações apresentadas estão descritas no corpo do artigo.

Declaração de conflito de interesses

Nada a declarar.

Editor Científico: Ítalo Arão Pereira Ribeiro. Orcid: https://orcid.org/0000-0003-0778-1447

Rev Enferm Atual In Derme 2026;100(2): e026045