Publicação

Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar

Ver documento

Detalhes bibliográficos
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
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

Registos relacionados

Registos relacionados