Publicação
Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora
| Resumo: | O crescente número de cirurgias programadas ao longo dos anos tem-se mostrado um problema recorrente em Portugal, dado que a consequência deste aumento se traduz em listas de espera extensas e de difícil gestão por parte dos hospitais. Assim, surge a necessidade de se desenvolverem modelos que tenham a capacidade de apoiar o planeamento e o agendamento de cirurgias. No entanto, isto nem sempre se mostra uma tarefa fácil devido a toda a imprevisibilidade que envolve o decorrer de uma cirurgia, havendo fatores externos que por vezes acabam por influenciar a duração da mesma. Desta forma, o foco deste estudo é criar modelos de previsão para durações de cirurgias, através de variáveis obtidas antes dessas mesmas cirurgias, recorrendo a dois modelos distintos: Regressão Linear Múltipla e XGBoost. O primeiro torna-se útil pela fácil interpretação de resultados, servindo de base de comparação para avaliar o desempenho de modelos de ensemble como o XGBoost. Para além da dualidade de modelos, são ainda utilizados dois conjuntos distintos de dados: o primeiro é compostos por todos os dados recolhidos e o segundo corresponde ao primeiro conjunto desagregado por especialidade cirúrgica. Esta divisão em dois conjuntos de dados ocorre dado que, teoricamente, as durações de cirurgias têm a particularidade de estarem dependentes da especialidade na qual se inserem. Posteriormente, são utilizados dois indicadores para efetuar as comparações entre os modelos, nomeadamente o R2 e o Root Mean Squared Error. Com os dados do Hospital do Espírito Santo de Évora, podemos concluir que a um modelo mais complexo não correspondente necessariamente uma melhor performance, estando isto dependente de características específicas de cada conjunto de dados e do próprio objetivo do estudo. Relativamente aos modelos obtidos para ambos os conjuntos de dados, conclui-se ainda que um modelo construído tendo por base cada especialidade pode de facto apresentar resultados piores do que um modelo agregado, acontecendo particularmente quando o número de observações em cada modelo se mostra insuficiente para produzir previsões precisas. |
|---|---|
| Autores principais: | Pires, Mariana Filipa Salgado |
| Assunto: | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| _version_ | 1866810024855076864 |
|---|---|
| author | Pires, Mariana Filipa Salgado |
| author_facet | Pires, Mariana Filipa Salgado |
| author_role | author |
| contributor_name_str_mv | Bernardino, Raquel Santos, Daniel Rebelo dos Repositório Científico de Acesso Aberto da ULisboa |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Pires, Mariana Filipa Salgado\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Bernardino, Raquel Santos, Daniel Rebelo dos Repositório Científico de Acesso Aberto da ULisboa |
| datacite.creators.creator.creatorName.fl_str_mv | Pires, Mariana Filipa Salgado |
| datacite.date.Accepted.fl_str_mv | 2022-10-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2023-01-13T11:27:24Z |
| datacite.date.embargoed.fl_str_mv | 2023-01-13T11:27:24Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| datacite.titles.title.fl_str_mv | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| dc.contributor.none.fl_str_mv | Bernardino, Raquel Santos, Daniel Rebelo dos Repositório Científico de Acesso Aberto da ULisboa |
| dc.creator.none.fl_str_mv | Pires, Mariana Filipa Salgado |
| dc.date.Accepted.fl_str_mv | 2022-10-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2023-01-13T11:27:24Z |
| dc.date.embargoed.fl_str_mv | 2023-01-13T11:27:24Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10400.5/26860 |
| dc.language.none.fl_str_mv | por |
| dc.publisher.none.fl_str_mv | Instituto Superior de Economia e Gestão |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| dc.title.fl_str_mv | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | O crescente número de cirurgias programadas ao longo dos anos tem-se mostrado um problema recorrente em Portugal, dado que a consequência deste aumento se traduz em listas de espera extensas e de difícil gestão por parte dos hospitais. Assim, surge a necessidade de se desenvolverem modelos que tenham a capacidade de apoiar o planeamento e o agendamento de cirurgias. No entanto, isto nem sempre se mostra uma tarefa fácil devido a toda a imprevisibilidade que envolve o decorrer de uma cirurgia, havendo fatores externos que por vezes acabam por influenciar a duração da mesma. Desta forma, o foco deste estudo é criar modelos de previsão para durações de cirurgias, através de variáveis obtidas antes dessas mesmas cirurgias, recorrendo a dois modelos distintos: Regressão Linear Múltipla e XGBoost. O primeiro torna-se útil pela fácil interpretação de resultados, servindo de base de comparação para avaliar o desempenho de modelos de ensemble como o XGBoost. Para além da dualidade de modelos, são ainda utilizados dois conjuntos distintos de dados: o primeiro é compostos por todos os dados recolhidos e o segundo corresponde ao primeiro conjunto desagregado por especialidade cirúrgica. Esta divisão em dois conjuntos de dados ocorre dado que, teoricamente, as durações de cirurgias têm a particularidade de estarem dependentes da especialidade na qual se inserem. Posteriormente, são utilizados dois indicadores para efetuar as comparações entre os modelos, nomeadamente o R2 e o Root Mean Squared Error. Com os dados do Hospital do Espírito Santo de Évora, podemos concluir que a um modelo mais complexo não correspondente necessariamente uma melhor performance, estando isto dependente de características específicas de cada conjunto de dados e do próprio objetivo do estudo. Relativamente aos modelos obtidos para ambos os conjuntos de dados, conclui-se ainda que um modelo construído tendo por base cada especialidade pode de facto apresentar resultados piores do que um modelo agregado, acontecendo particularmente quando o número de observações em cada modelo se mostra insuficiente para produzir previsões precisas. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://repositorio.ulisboa.pt/bitstreams/ba459b93-66e8-42f0-9c18-954e0cc6f75b/download |
| id | ul_e901aee208ca558f9b4e4facadde0dcf |
| identifier.url.fl_str_mv | http://hdl.handle.net/10400.5/26860 |
| instacron_str | ul |
| institution | Universidade de Lisboa |
| instname_str | Universidade de Lisboa |
| language | por |
| network_acronym_str | ul |
| network_name_str | Repositório da Universidade de Lisboa |
| oai_identifier_str | oai:repositorio.ulisboa.pt:10400.5/26860 |
| organization_str_mv | urn:organizationAcronym:ul |
| person_str_mv | Pires, Mariana Filipa Salgado |
| publishDate | 2022 |
| publisher.none.fl_str_mv | Instituto Superior de Economia e Gestão |
| reponame_str | Repositório da Universidade de Lisboa |
| repository_id_str | urn:repositoryAcronym:ul |
| service_str_mv | urn:repositoryAcronym:ul |
| spelling | porInstituto Superior de Economia e Gestãopt_PTO crescente número de cirurgias programadas ao longo dos anos tem-se mostrado um problema recorrente em Portugal, dado que a consequência deste aumento se traduz em listas de espera extensas e de difícil gestão por parte dos hospitais. Assim, surge a necessidade de se desenvolverem modelos que tenham a capacidade de apoiar o planeamento e o agendamento de cirurgias. No entanto, isto nem sempre se mostra uma tarefa fácil devido a toda a imprevisibilidade que envolve o decorrer de uma cirurgia, havendo fatores externos que por vezes acabam por influenciar a duração da mesma. Desta forma, o foco deste estudo é criar modelos de previsão para durações de cirurgias, através de variáveis obtidas antes dessas mesmas cirurgias, recorrendo a dois modelos distintos: Regressão Linear Múltipla e XGBoost. O primeiro torna-se útil pela fácil interpretação de resultados, servindo de base de comparação para avaliar o desempenho de modelos de ensemble como o XGBoost. Para além da dualidade de modelos, são ainda utilizados dois conjuntos distintos de dados: o primeiro é compostos por todos os dados recolhidos e o segundo corresponde ao primeiro conjunto desagregado por especialidade cirúrgica. Esta divisão em dois conjuntos de dados ocorre dado que, teoricamente, as durações de cirurgias têm a particularidade de estarem dependentes da especialidade na qual se inserem. Posteriormente, são utilizados dois indicadores para efetuar as comparações entre os modelos, nomeadamente o R2 e o Root Mean Squared Error. Com os dados do Hospital do Espírito Santo de Évora, podemos concluir que a um modelo mais complexo não correspondente necessariamente uma melhor performance, estando isto dependente de características específicas de cada conjunto de dados e do próprio objetivo do estudo. Relativamente aos modelos obtidos para ambos os conjuntos de dados, conclui-se ainda que um modelo construído tendo por base cada especialidade pode de facto apresentar resultados piores do que um modelo agregado, acontecendo particularmente quando o número de observações em cada modelo se mostra insuficiente para produzir previsões precisas.application/pdfpt_PTPrevisão de durações de cirurgias : o caso do Hospital do Espírito Santo de ÉvoraPires, Mariana Filipa SalgadoBernardino, RaquelSantos, Daniel Rebelo dosHostingInstitutionOrganizationalRepositório Científico de Acesso Aberto da ULisboae-mailmailto:repositorio@reitoria.ulisboa.ptrepositorio@reitoria.ulisboa.pt2023-01-13T11:27:24Z2022-102022-10-01T00:00:00ZHandlehttp://hdl.handle.net/10400.5/26860http://purl.org/coar/access_right/c_abf2open accessDurações de CirurgiasGestão do Bloco OperatórioPrevisãoRegressão Linear MúltiplaXGBoostSurgery DurationsOperating Room ManagementForecastMultiple Linear Regression3641928 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesishttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://repositorio.ulisboa.pt/bitstreams/ba459b93-66e8-42f0-9c18-954e0cc6f75b/download |
| spellingShingle | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora Pires, Mariana Filipa Salgado Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| status | SINGLETON |
| subject.fl_str_mv | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| title | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| title_full | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| title_fullStr | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| title_full_unstemmed | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| title_short | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| title_sort | Previsão de durações de cirurgias : o caso do Hospital do Espírito Santo de Évora |
| topic | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| topic_facet | Durações de Cirurgias Gestão do Bloco Operatório Previsão Regressão Linear Múltipla XGBoost Surgery Durations Operating Room Management Forecast Multiple Linear Regression |
| url | http://hdl.handle.net/10400.5/26860 |
| visible | 1 |