Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana

Detalhes bibliográficos
Autor(a) principal: Fumagali, Alissa Emanueli Cabrera
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/228183
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção
id UFSC_77dabace896c0b474cc701097810629b
oai_identifier_str oai:repositorio.ufsc.br:123456789/228183
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobianaVigilância da Resistência AntimicrobianaCompartilhamento de DadosAprendizado de Máquina AutomatizadoTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de ProduçãoO mercado de serviços de saúde vive uma crise de aumento constante dos custos do setor. Segundo Porter e Teisberg (2006), essa crise é resultado dos modelos de remuneração e dos incentivos por eles gerados. Neste modelo os contratantes de serviços de saúde pagam por procedimento realizado, quando na verdade deveriam remunerar de acordo com o valor entregue ao paciente por meio da transformação digital, melhorando da qualidade de serviços. Ao mesmo tempo em que o setor da saúde se transforma, alguns desafios antigos prevalecem, como o desenvolvimento de resistência por parte de bactérias, que ainda causam 25% das mortes do mundo segundo a Organização Mundial da Saúde (OMS). Nesse contexto a OMS lançou ao programa Global Antimicrobial Resistance Surveillance System (Glass) em 2015, utilizando da transformação digital para estruturar um sistema de vigilância do desenvolvimento da resistência das bactérias em um contexto mundial. No Brasil, o Ministério da Saúde é responsável por agregar dados à base Glass. Apesar da relevância do tema há uma dificuldade de integrar novos hospitais à base. Dessa forma, o presente trabalho tem o objetivo de analisar se o compartilhamento de informações epidemiológicas entre hospitais pode ser benéfico para os modelos de previsão locais, e assim, identificar ou não o valor da base do Glass para os hospitais do Brasil. Para tanto, foram treinados modelos para seis hospitais brasileiros a partir de uma ferramenta de aprendizado de máquina automatizado, chamada H2O, alguns modelos utilizavam apenas de dados locais, enquanto outros foram construídos com os dados compartilhados através da base Glass. Com isso, percebe-se que os modelos desenvolvidos a partir dos dados compartilhados possuem um poder de previsão melhor quando testados localmente nos hospitais. No Brasil, a troca de informações entre instituições de saúde é limitada quando comparada a outros países, e o presente trabalho adiciona evidência a favor do compartilhamento de informações para auxiliar na qualidade entregue aos pacientes e na redução de custos.The healthcare market is experiencing a costs crisis. According to Porter and Teisberg (2006), this crisis is a result of the remuneration models and the incentives it generates. In the current model, health service contractors pay per procedure, when in fact they should pay according to the health value delivered to the patient. Health institutions seek to deliver more value to patients, using digital transformation as their ally to drive quality improvement. At the same time as the healthcare sector changes, some old challenges prevail, such as the bacteria resistance development, which still cause 25% of deaths in the world, according to the World Health Organization (WHO). In this context, WHO launched the Global Antimicrobial Resistance Surveillance System (Glass) program in 2015, using digital transformation to structure a surveillance system for the development of bacterial resistance in a worldwide context. In Brazil, the Health Ministry is responsible for adding data to the Glass database. And, despite the relevance of the topic, there is a difficulty in integrating new hospitals into the base. Thus, the present study aims to analyze whether sharing epidemiological data between hospitals can be beneficial for forecasting models, and thus, identify or not the value of the Glass base for hospitals in Brazil. For this purpose, prediction models were trained for six Brazilian hospitals using an automated machine learning tool, called H2O, some models used only local data, while others were built with data shared through the Glass base. Thereby, the models developed from shared data had better predictive power when tested locally in hospitals. In Brazil, the exchange of information between health institutions is limited when compared to other countries, this is just one of the examples in which sharing data can help improve quality delivered to patients and reduce costs.Florianópolis, SCGiglio, Ricardo FariaUniversidade Federal de Santa CatarinaFumagali, Alissa Emanueli Cabrera2021-09-27T17:05:06Z2021-09-27T17:05:06Z2021-09-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis99application/pdfhttps://repositorio.ufsc.br/handle/123456789/228183info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2021-09-27T17:05:06Zoai:repositorio.ufsc.br:123456789/228183Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-09-27T17:05:06Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
title Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
spellingShingle Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
Fumagali, Alissa Emanueli Cabrera
Vigilância da Resistência Antimicrobiana
Compartilhamento de Dados
Aprendizado de Máquina Automatizado
title_short Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
title_full Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
title_fullStr Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
title_full_unstemmed Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
title_sort Análise do poder preditivo de modelos com diferentes estratégias de compartilhamento de dados de resistência antimicrobiana
author Fumagali, Alissa Emanueli Cabrera
author_facet Fumagali, Alissa Emanueli Cabrera
author_role author
dc.contributor.none.fl_str_mv Giglio, Ricardo Faria
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Fumagali, Alissa Emanueli Cabrera
dc.subject.por.fl_str_mv Vigilância da Resistência Antimicrobiana
Compartilhamento de Dados
Aprendizado de Máquina Automatizado
topic Vigilância da Resistência Antimicrobiana
Compartilhamento de Dados
Aprendizado de Máquina Automatizado
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Produção
publishDate 2021
dc.date.none.fl_str_mv 2021-09-27T17:05:06Z
2021-09-27T17:05:06Z
2021-09-15
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 https://repositorio.ufsc.br/handle/123456789/228183
url https://repositorio.ufsc.br/handle/123456789/228183
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 99
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652257715027968

Registros relacionados