Publicação
Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar
| Resumo: | Uma das maiores problemáticas hospitalares mais recentes, a nível internacional, é a grande afluência de pessoas ao serviço de urgências o que condiciona a qualidade dos cuidados prestados aos utentes, sobrelotação de camas e consequente adiamento de internamentos programados com todos os inconvenientes que daí advêm para o doente. Acontece ainda, por vezes, que o número de camas disponíveis é superior às necessidades, ocorrendo assim, uma má gestão de meios, recursos humanos e materiais. Para que a gestão do internamento seja eficaz é necessário um planeamento apropriado, que deve compreender um conjunto de processos, tendo como objetivo principal a otimização da disponibilidade de camas, bem como possibilitar ao paciente as melhores condições, tendo em conta a racionalização de custos. Assim torna-se necessário a realização de um estudo do fluxo de doentes nos serviços de internamento e urgências de uma unidade hospitalar, por forma a gerar modelos de previsão de fluxos futuros. Neste projeto, foram desenvolvidos modelos de Data Mining, para previsão de afluência futura à urgência e modelos de previsão do tempo de internamento (length of stay – LOS). A metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM) foi utilizada para conduzir os trabalhos de obtenção de modelos preditivos e a metodologia Design Science Research conduziu o trabalho do ponto de vista científico. De forma a implementar um mecanismo de teste para os modelos foram usados os métodos 10-folds Cross Validation (10-folds CV), para ambas as previsões, e o Leave-One-Out Cross Validation (LOOCV) apenas para a previsão da afluência às urgências. Os modelos foram capazes de prever as altas dos doentes com valores de AUC de ≈ 0,72 e ≈ 0,90, para os internamentos urgentes e programados, respetivamente. Para a previsão da afluência futura às urgências, o melhor modelo apresentou como valor de AUC ≈ 0,64. Os resultados obtidos não permitem suportar decisões. |
|---|---|
| Autores principais: | Moreira, Ana Catarina de Sousa |
| Assunto: | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| _version_ | 1867438587946991616 |
|---|---|
| author | Moreira, Ana Catarina de Sousa |
| author_facet | Moreira, Ana Catarina de Sousa |
| author_role | author |
| contributor_name_str_mv | Santos, Manuel Peixoto, Hugo RepositóriUM - Universidade do Minho |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Moreira, Ana Catarina de Sousa\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Santos, Manuel Peixoto, Hugo RepositóriUM - Universidade do Minho |
| datacite.creators.creator.creatorName.fl_str_mv | Moreira, Ana Catarina de Sousa |
| datacite.date.Accepted.fl_str_mv | 2021-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2022-03-16T11:22:14Z |
| datacite.date.embargoed.fl_str_mv | 2022-03-16T11:22:14Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| datacite.titles.title.fl_str_mv | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| dc.contributor.none.fl_str_mv | Santos, Manuel Peixoto, Hugo RepositóriUM - Universidade do Minho |
| dc.creator.none.fl_str_mv | Moreira, Ana Catarina de Sousa |
| dc.date.Accepted.fl_str_mv | 2021-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2022-03-16T11:22:14Z |
| dc.date.embargoed.fl_str_mv | 2022-03-16T11:22:14Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | https://hdl.handle.net/1822/76543 |
| dc.language.none.fl_str_mv | por |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.rights.rights.copyright.fl_str_mv | openAccess |
| dc.subject.none.fl_str_mv | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| dc.title.fl_str_mv | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | Uma das maiores problemáticas hospitalares mais recentes, a nível internacional, é a grande afluência de pessoas ao serviço de urgências o que condiciona a qualidade dos cuidados prestados aos utentes, sobrelotação de camas e consequente adiamento de internamentos programados com todos os inconvenientes que daí advêm para o doente. Acontece ainda, por vezes, que o número de camas disponíveis é superior às necessidades, ocorrendo assim, uma má gestão de meios, recursos humanos e materiais. Para que a gestão do internamento seja eficaz é necessário um planeamento apropriado, que deve compreender um conjunto de processos, tendo como objetivo principal a otimização da disponibilidade de camas, bem como possibilitar ao paciente as melhores condições, tendo em conta a racionalização de custos. Assim torna-se necessário a realização de um estudo do fluxo de doentes nos serviços de internamento e urgências de uma unidade hospitalar, por forma a gerar modelos de previsão de fluxos futuros. Neste projeto, foram desenvolvidos modelos de Data Mining, para previsão de afluência futura à urgência e modelos de previsão do tempo de internamento (length of stay – LOS). A metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM) foi utilizada para conduzir os trabalhos de obtenção de modelos preditivos e a metodologia Design Science Research conduziu o trabalho do ponto de vista científico. De forma a implementar um mecanismo de teste para os modelos foram usados os métodos 10-folds Cross Validation (10-folds CV), para ambas as previsões, e o Leave-One-Out Cross Validation (LOOCV) apenas para a previsão da afluência às urgências. Os modelos foram capazes de prever as altas dos doentes com valores de AUC de ≈ 0,72 e ≈ 0,90, para os internamentos urgentes e programados, respetivamente. Para a previsão da afluência futura às urgências, o melhor modelo apresentou como valor de AUC ≈ 0,64. Os resultados obtidos não permitem suportar decisões. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://repositorium.uminho.pt/bitstreams/8d1f43bf-1845-41c7-9f53-bc9f2b6ab278/download |
| id | rum_45b542b33ca49fd5ea86a1699bf110f0 |
| identifier.url.fl_str_mv | https://hdl.handle.net/1822/76543 |
| instacron_str | repositorium |
| institution | Universidade do Minho |
| instname_str | Universidade do Minho |
| language | por |
| network_acronym_str | rum |
| network_name_str | RepositóriUM - Universidade do Minho |
| oai_identifier_str | oai:repositorium.uminho.pt:1822/76543 |
| organization_str_mv | urn:organizationAcronym:repositorium |
| person_str_mv | Moreira, Ana Catarina de Sousa |
| publishDate | 2021 |
| reponame_str | RepositóriUM - Universidade do Minho |
| repository_id_str | urn:repositoryAcronym:rum |
| service_str_mv | urn:repositoryAcronym:rum |
| spelling | porporUma das maiores problemáticas hospitalares mais recentes, a nível internacional, é a grande afluência de pessoas ao serviço de urgências o que condiciona a qualidade dos cuidados prestados aos utentes, sobrelotação de camas e consequente adiamento de internamentos programados com todos os inconvenientes que daí advêm para o doente. Acontece ainda, por vezes, que o número de camas disponíveis é superior às necessidades, ocorrendo assim, uma má gestão de meios, recursos humanos e materiais. Para que a gestão do internamento seja eficaz é necessário um planeamento apropriado, que deve compreender um conjunto de processos, tendo como objetivo principal a otimização da disponibilidade de camas, bem como possibilitar ao paciente as melhores condições, tendo em conta a racionalização de custos. Assim torna-se necessário a realização de um estudo do fluxo de doentes nos serviços de internamento e urgências de uma unidade hospitalar, por forma a gerar modelos de previsão de fluxos futuros. Neste projeto, foram desenvolvidos modelos de Data Mining, para previsão de afluência futura à urgência e modelos de previsão do tempo de internamento (length of stay – LOS). A metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM) foi utilizada para conduzir os trabalhos de obtenção de modelos preditivos e a metodologia Design Science Research conduziu o trabalho do ponto de vista científico. De forma a implementar um mecanismo de teste para os modelos foram usados os métodos 10-folds Cross Validation (10-folds CV), para ambas as previsões, e o Leave-One-Out Cross Validation (LOOCV) apenas para a previsão da afluência às urgências. Os modelos foram capazes de prever as altas dos doentes com valores de AUC de ≈ 0,72 e ≈ 0,90, para os internamentos urgentes e programados, respetivamente. Para a previsão da afluência futura às urgências, o melhor modelo apresentou como valor de AUC ≈ 0,64. Os resultados obtidos não permitem suportar decisões.application/pdfporPredictive business analytics: previsão de fluxo de doentes e demora média hospitalarMoreira, Ana Catarina de SousaSantos, ManuelPeixoto, HugoHostingInstitutionOrganizationalRepositóriUM - Universidade do Minhoe-mailmailto:repositorium@usdb.uminho.ptrepositorium@usdb.uminho.ptTID2027950632022-03-16T11:22:14Z202120212021-01-01T00:00:00ZHandlehttps://hdl.handle.net/1822/76543http://purl.org/coar/access_right/c_abf2open accessCRISP-DMData miningSobrelotação de recursosTempo de internamentoLength of stayOvercrowding of resourceshttp://www.oecd.org/science/inno/38235147.pdfFields of Science and Technology (FOS)Engenharia e Tecnologia::Outras Engenharias e Tecnologias1127632 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesis2021http://creativecommons.org/licenses/by/4.0/openAccesshttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://repositorium.uminho.pt/bitstreams/8d1f43bf-1845-41c7-9f53-bc9f2b6ab278/download |
| spellingShingle | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar Moreira, Ana Catarina de Sousa CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| status | SINGLETON |
| subject.fl_str_mv | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources |
| subject.other.fl_str_mv | Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| title | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| title_full | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| title_fullStr | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| title_full_unstemmed | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| title_short | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| title_sort | Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar |
| topic | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| topic_facet | CRISP-DM Data mining Sobrelotação de recursos Tempo de internamento Length of stay Overcrowding of resources Engenharia e Tecnologia::Outras Engenharias e Tecnologias |
| url | https://hdl.handle.net/1822/76543 |
| visible | 1 |