Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study

Detalhes bibliográficos
Autor(a) principal: Bohnenberger, Nicolas Mauro de Moreira
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/223651
Resumo: A descoberta de informações de processos de negócio em documentos de linguagem natural é desafiadora, dado que a linguagem natural pode ser por vezes ambígua, e pode se tornar ainda mais desafiadora com as informações sobre estes processos apresentadas de diferentes formas por sua documentação, e espalhada entre documentos de diferentes tipos. Este problema se torna ainda mais crítico quando nos deparamos com domínios de processo complexos, como cuidados da saúde. Esta monografia apresenta uma abordagem para a descoberta de processos da saúde a partir documentação dispersa e em linguagem natural, composta por busca por documentação, extração de dados, geração de modelos de processo a partir de linguagem natural, e extração de descrição textual de processos a partir de modelos de processos. Esta abordagem é então aplicada a um estudo de caso sobre SARS-CoV-2 e COVID-19, que resulta em modelos de processo e descrições de processo para a Transmissão e Contágio do SARS-CoV-2, e Manifestação Simtomática e Identificação da COVID-19. Estes modelos de processo e descrições são então validados semanticamente por uma especialista de domínio e avaliados estruturalmente por especialistas em modelagem de processos de negócio. Os modelos de processo também são verificados estruturalmente por meio de análises baseadas em Redes de Petri. A principal contribuição desta monografia é uma abordagem para a descoberta de processos da saúde a partir de documentação dispersa. O resultado deste trabalho é um conjunto validado e verificado de modelos de processos da saúde composto pelos processos de Transmissão do SARS-CoV-2, Contágio do SARS-CoV-2, Manifestação Sintomática da COVID-19, e Identificação da COVID-19.
id UFRGS-2_23e5281df6ec1e9d07db29f29af909b0
oai_identifier_str oai:www.lume.ufrgs.br:10183/223651
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Bohnenberger, Nicolas Mauro de MoreiraThom, Lucinéia HeloisaSchmitt, Alessandra Ceolin2021-07-10T04:53:26Z2021http://hdl.handle.net/10183/223651001127443A descoberta de informações de processos de negócio em documentos de linguagem natural é desafiadora, dado que a linguagem natural pode ser por vezes ambígua, e pode se tornar ainda mais desafiadora com as informações sobre estes processos apresentadas de diferentes formas por sua documentação, e espalhada entre documentos de diferentes tipos. Este problema se torna ainda mais crítico quando nos deparamos com domínios de processo complexos, como cuidados da saúde. Esta monografia apresenta uma abordagem para a descoberta de processos da saúde a partir documentação dispersa e em linguagem natural, composta por busca por documentação, extração de dados, geração de modelos de processo a partir de linguagem natural, e extração de descrição textual de processos a partir de modelos de processos. Esta abordagem é então aplicada a um estudo de caso sobre SARS-CoV-2 e COVID-19, que resulta em modelos de processo e descrições de processo para a Transmissão e Contágio do SARS-CoV-2, e Manifestação Simtomática e Identificação da COVID-19. Estes modelos de processo e descrições são então validados semanticamente por uma especialista de domínio e avaliados estruturalmente por especialistas em modelagem de processos de negócio. Os modelos de processo também são verificados estruturalmente por meio de análises baseadas em Redes de Petri. A principal contribuição desta monografia é uma abordagem para a descoberta de processos da saúde a partir de documentação dispersa. O resultado deste trabalho é um conjunto validado e verificado de modelos de processos da saúde composto pelos processos de Transmissão do SARS-CoV-2, Contágio do SARS-CoV-2, Manifestação Sintomática da COVID-19, e Identificação da COVID-19.The discovery of business process information in natural language documents is challenging, as natural language can be ambiguous and unclear at times, and can become even more challenging with information on such processes displayed in different ways throughout their documentation, and spread out between different documents. This issue is even more critical when one is faced with complex and dynamic process domains, such as healthcare. This work presents an approach to the discovery of healthcare processes from spread out, natural language documentation, that generates process models and their text descriptions, which comprises the search for documentation, data extraction from it, process model generation from natural language text, and finally text description extraction from the process models. This approach is then applied to a case study on SARS-CoV-2 and COVID-19, which results in process models and descriptions for SARS-CoV-2 Transmission and Contagion, and COVID-19 Symptomatic Manifestation and Identification processes. These process models and descriptions are then semantically validated by a domain expert and evaluated by business process modeling experts. The process models are also structurally verified with the use of Petri-net-based analysis. The main contribution of this work is an approach to the discovery of healthcare processes from spread out documentation. The results of this work are a validated and verified set of healthcare process models comprised of the SARS-CoV-2 Transmission and SARS-CoV- 2 Contagion processes and of the COVID-19 Symptomatic Manifestation and COVID-19 Identification processes.application/pdfengGerencimento : ProcessosProcessos : NegóciosLinguagem naturalCOVID-19Business Process ManagementBusiness Process DiscoverySARS-CoV-2.Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case studyDescoberta de processos da saúde a partir de documentação dispersa em linguagem natural: um caso de estudo sobre SARS-CoV-2 e COVID-19 info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2020Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001127443.pdf.txt001127443.pdf.txtExtracted Texttext/plain154224http://www.lume.ufrgs.br/bitstream/10183/223651/2/001127443.pdf.txtcc81fabec4c9a1ba9e713f5c83fde2b8MD52ORIGINAL001127443.pdfTexto completo (inglês)application/pdf2104125http://www.lume.ufrgs.br/bitstream/10183/223651/1/001127443.pdf09c40fbf73c1a3b324cbba4428d223b6MD5110183/2236512021-08-18 04:51:25.270061oai:www.lume.ufrgs.br:10183/223651Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-08-18T07:51:25Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
dc.title.alternative.pt.fl_str_mv Descoberta de processos da saúde a partir de documentação dispersa em linguagem natural: um caso de estudo sobre SARS-CoV-2 e COVID-19
title Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
spellingShingle Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
Bohnenberger, Nicolas Mauro de Moreira
Gerencimento : Processos
Processos : Negócios
Linguagem natural
COVID-19
Business Process Management
Business Process Discovery
SARS-CoV-2.
title_short Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
title_full Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
title_fullStr Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
title_full_unstemmed Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
title_sort Healthcare process discovery from spread out natural language documentation : a SARS-CoV-2 and COVID-19 case study
author Bohnenberger, Nicolas Mauro de Moreira
author_facet Bohnenberger, Nicolas Mauro de Moreira
author_role author
dc.contributor.author.fl_str_mv Bohnenberger, Nicolas Mauro de Moreira
dc.contributor.advisor1.fl_str_mv Thom, Lucinéia Heloisa
dc.contributor.advisor-co1.fl_str_mv Schmitt, Alessandra Ceolin
contributor_str_mv Thom, Lucinéia Heloisa
Schmitt, Alessandra Ceolin
dc.subject.por.fl_str_mv Gerencimento : Processos
Processos : Negócios
Linguagem natural
COVID-19
topic Gerencimento : Processos
Processos : Negócios
Linguagem natural
COVID-19
Business Process Management
Business Process Discovery
SARS-CoV-2.
dc.subject.eng.fl_str_mv Business Process Management
Business Process Discovery
SARS-CoV-2.
description A descoberta de informações de processos de negócio em documentos de linguagem natural é desafiadora, dado que a linguagem natural pode ser por vezes ambígua, e pode se tornar ainda mais desafiadora com as informações sobre estes processos apresentadas de diferentes formas por sua documentação, e espalhada entre documentos de diferentes tipos. Este problema se torna ainda mais crítico quando nos deparamos com domínios de processo complexos, como cuidados da saúde. Esta monografia apresenta uma abordagem para a descoberta de processos da saúde a partir documentação dispersa e em linguagem natural, composta por busca por documentação, extração de dados, geração de modelos de processo a partir de linguagem natural, e extração de descrição textual de processos a partir de modelos de processos. Esta abordagem é então aplicada a um estudo de caso sobre SARS-CoV-2 e COVID-19, que resulta em modelos de processo e descrições de processo para a Transmissão e Contágio do SARS-CoV-2, e Manifestação Simtomática e Identificação da COVID-19. Estes modelos de processo e descrições são então validados semanticamente por uma especialista de domínio e avaliados estruturalmente por especialistas em modelagem de processos de negócio. Os modelos de processo também são verificados estruturalmente por meio de análises baseadas em Redes de Petri. A principal contribuição desta monografia é uma abordagem para a descoberta de processos da saúde a partir de documentação dispersa. O resultado deste trabalho é um conjunto validado e verificado de modelos de processos da saúde composto pelos processos de Transmissão do SARS-CoV-2, Contágio do SARS-CoV-2, Manifestação Sintomática da COVID-19, e Identificação da COVID-19.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-07-10T04:53:26Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/223651
dc.identifier.nrb.pt_BR.fl_str_mv 001127443
url http://hdl.handle.net/10183/223651
identifier_str_mv 001127443
dc.language.iso.fl_str_mv eng
language eng
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 Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/223651/2/001127443.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/223651/1/001127443.pdf
bitstream.checksum.fl_str_mv cc81fabec4c9a1ba9e713f5c83fde2b8
09c40fbf73c1a3b324cbba4428d223b6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447278599536640