Publicação

Clinical intelligence: definição de processos de ETL e DW

Detalhes bibliográficos
Resumo:	O Centro Hospitalar do Porto (CHP) é considerado uma referência na área do transplante da córnea, tendo realizado até ao momento mais de 4000 transplantes. Por sua vez, a córnea é o tecido mais transplantado no mundo e é por norma, o principal método para recuperar de cegueira causada por doenças nesse mesmo tecido. Face à importância desta área para o CHP, surgiu a necessidade do estudo do processo de transplante da córnea através de uma solução de Clinical Intelligence (CI). A finalidade desta dissertação incidiu no desenvolvimento de uma solução de CI capaz de apoiar a decisão dos clínicos e gestores do CHP sobre o processo de transplante de córnea, não só na perspetiva dos dados inerentes aos utentes, mas também do próprio transplante e lista de espera. O protótipo de CI, como definido inicialmente, continha a componente de Business Intelligence (BI), com o foco na definição dos processos de extração, transformação e carregamento dos dados para o Data Warehouse (DW). Posteriormente surgiu a possibilidade de incorporar técnicas de Data Mining, (DM), que permitiram, sobretudo, efetuar previsões sobre as prioridades de cirurgia e do tempo de espera do utente. Para a conceção do protótipo de CI foram seguidas três metodologias: Design Science Research, como abordagem principal do desenvolvimento do trabalho; Kimball’s lifecycle para a elaboração do DW e o Cross-Industry Standard Process for Data Mining para o processo de DM. Na perspetiva de BI, o protótipo permite compreender as características inerentes aos procedimentos, diagnósticos, utentes e a relação entre eles. Para além disso, proporciona uma análise sobre o fluxo de entrada e saída dos utentes, bem como o tempo média de espera, em dias, entre os mesmos. Na perspetiva de DM foram criados modelos capazes de prever o tempo de espera de um utente assim como as prioridades dos procedimentos de cariz normal, cumprindo com os padrões de aceitação do CHP (Sensibilidade>= 0,85; Precisão>= 0,75). Os melhores modelos obtiveram valores de sensibilidade e acuidade de 95% e 83 % ou 93% e 82% respetivamente, para certas classes dos targets. Numa perspetiva global de CI, o protótipo assegura a integração e a qualidade dos dados, assim como a manipulação eficiente desses dados através de relatórios, contribuindo com informação otimizada para os clínicos e gestores do CHP. As integrações dos modelos de DM no BI proporcionam uma maior eficiência na monotorização do estado de saúde do utente e dos recursos logísticos e humanos do CHP. Em suma, foram desenvolvidos 32 relatórios de visualização, 42 métricas de negócio e 320 modelos de DM juntamente com três artigos científicos de forma a disseminar o trabalho desenvolvido.
Autores principais:	Carneiro, Brian Neil
Assunto:	Clinical intelligence Data warehouse ETL Business intelligence Data mining Engenharia e Tecnologia::Outras Engenharias e Tecnologias
Ano:	2017
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

Descrição
Resumo:	O Centro Hospitalar do Porto (CHP) é considerado uma referência na área do transplante da córnea, tendo realizado até ao momento mais de 4000 transplantes. Por sua vez, a córnea é o tecido mais transplantado no mundo e é por norma, o principal método para recuperar de cegueira causada por doenças nesse mesmo tecido. Face à importância desta área para o CHP, surgiu a necessidade do estudo do processo de transplante da córnea através de uma solução de Clinical Intelligence (CI). A finalidade desta dissertação incidiu no desenvolvimento de uma solução de CI capaz de apoiar a decisão dos clínicos e gestores do CHP sobre o processo de transplante de córnea, não só na perspetiva dos dados inerentes aos utentes, mas também do próprio transplante e lista de espera. O protótipo de CI, como definido inicialmente, continha a componente de Business Intelligence (BI), com o foco na definição dos processos de extração, transformação e carregamento dos dados para o Data Warehouse (DW). Posteriormente surgiu a possibilidade de incorporar técnicas de Data Mining, (DM), que permitiram, sobretudo, efetuar previsões sobre as prioridades de cirurgia e do tempo de espera do utente. Para a conceção do protótipo de CI foram seguidas três metodologias: Design Science Research, como abordagem principal do desenvolvimento do trabalho; Kimball’s lifecycle para a elaboração do DW e o Cross-Industry Standard Process for Data Mining para o processo de DM. Na perspetiva de BI, o protótipo permite compreender as características inerentes aos procedimentos, diagnósticos, utentes e a relação entre eles. Para além disso, proporciona uma análise sobre o fluxo de entrada e saída dos utentes, bem como o tempo média de espera, em dias, entre os mesmos. Na perspetiva de DM foram criados modelos capazes de prever o tempo de espera de um utente assim como as prioridades dos procedimentos de cariz normal, cumprindo com os padrões de aceitação do CHP (Sensibilidade>= 0,85; Precisão>= 0,75). Os melhores modelos obtiveram valores de sensibilidade e acuidade de 95% e 83 % ou 93% e 82% respetivamente, para certas classes dos targets. Numa perspetiva global de CI, o protótipo assegura a integração e a qualidade dos dados, assim como a manipulação eficiente desses dados através de relatórios, contribuindo com informação otimizada para os clínicos e gestores do CHP. As integrações dos modelos de DM no BI proporcionam uma maior eficiência na monotorização do estado de saúde do utente e dos recursos logísticos e humanos do CHP. Em suma, foram desenvolvidos 32 relatórios de visualização, 42 métricas de negócio e 320 modelos de DM juntamente com três artigos científicos de forma a disseminar o trabalho desenvolvido.