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

Detalhes bibliográficos
Autor(a) principal: Moreira, Ana Catarina de Sousa
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/76543
Resumo: Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação
id RCAP_63703a61f1946552a3c59afadf523191
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/76543
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Predictive business analytics: previsão de fluxo de doentes e demora média hospitalarCRISP-DMData miningSobrelotação de recursosTempo de internamentoLength of stayOvercrowding of resourcesEngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado integrado em Engenharia e Gestão de Sistemas de InformaçãoUma 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.One of the biggest and most recent international hospital problems is the large influx of people in the emergency department, conditioning the quality of health care services provided, the bed’s overcrowding and the postponement of scheduled hospitalizations (surgery and MCDTs procedures), with all the inconveniences affecting the patient. Furthermore, occasionally, the number of available beds is higher that the number of required ones, reflecting poor management of human and material resources. For an effective hospitalization management, it is necessary to develop an appropriate planning, including a set of processes with the number of available beds optimization and the increase of quality of health care services provided as the main goal, taking into account cost rationalization. This planning becomes extremely complex as a result of limited available resources and large number of variables that required information and data in advance. Therefore, it is necessary to perform an investigation on the influx of people in the emergency and hospitalization departments, developing forecasting models of futures flows. This project, applying Data Mining process, intends to conceive predicting models of future affluence to emergency and forecasting models of hospitalization (length of stay – LOS), The CRISP-DM methodology will be applied to obtain predictive/ explanatory models and the Design Science Research methodology will conduct the work from the scientific point of view. In order to implement a testing mechanism for the models, were used the 10-folds Cross Validation (10-folds CV) methods for both forecasts, and the Leave-One-Out Cross Validation (LOOCV) for the ER inflow forecast only. The models were able to predict patient discharges with AUC values of ≈ 0.72 and ≈ 0.90 for emergency and scheduled admissions, respectively. For the prediction of future emergency department inflow, the best model had an AUC value of ≈ 0.64. The results obtained do not allow for decision support.Santos, ManuelPeixoto, HugoUniversidade do MinhoMoreira, Ana Catarina de Sousa20212021-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/76543por202795063info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:17:37Zoai:repositorium.sdum.uminho.pt:1822/76543Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:10:17.773312Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar
title Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar
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
title_short 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_sort Predictive business analytics: previsão de fluxo de doentes e demora média hospitalar
author Moreira, Ana Catarina de Sousa
author_facet Moreira, Ana Catarina de Sousa
author_role author
dc.contributor.none.fl_str_mv Santos, Manuel
Peixoto, Hugo
Universidade do Minho
dc.contributor.author.fl_str_mv Moreira, Ana Catarina de Sousa
dc.subject.por.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
topic CRISP-DM
Data mining
Sobrelotação de recursos
Tempo de internamento
Length of stay
Overcrowding of resources
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/76543
url http://hdl.handle.net/1822/76543
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 202795063
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132530969935872

Registros relacionados