Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Paraquetti, João Jandre
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/248656
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação.
id UFSC_9894fc2cfdbcb971ea09be9afe9b9331
oai_identifier_str oai:repositorio.ufsc.br:123456789/248656
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiaisRedes neurais artificiaisPrediçãoLeitos HospitalaresArtificial neural networksPredictionTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação.Prever com eficácia a demanda por atendimentos é importante em praticamente todos os tipos de serviços ofertados ao público, pois alocar menos recursos do que o necessário pode levar a perda da qualidade do atendimento ao consumidor e alocar recursos a mais pode significar desperdício de tais recursos. No caso específico de hospitais, a espera demasiada por atendimento pode levar ao óbito de pacientes e a alta demanda por serviços hospitalares públicos obriga um uso ótimo de recursos, evitando desperdício. Este trabalho dá uma breve visão sobre o problema de predição de ocupação de leitos hospitalares, e usando os dados disponíveis pelo DATASUS dos hospitais do estado de Santa Catarina, faz uma decomposição da série temporal da ocupação de leitos, buscando explicar comportamento das mesmas, os dados obtidos e tratados foram usados para treinamento de diversas redes LSTM, com o objetivo de prever a ocupação de leitos de UTI no estado de Santa Catarina. Finalmente, o trabalho faz uma comparação entre os modelos desenvolvidos, concluindo que a rede que apresentou os melhores resultados foram obtidos com o modelo do terceiro governo do período estudado, utilizando apenas 4 neurônios na camada oculta, e considerando 3 semanas anteriores para a predição.Effectively predicting demand for healthcare services is important in virtually all types of public services, as allocating fewer resources than necessary can result in a loss of quality in consumer care, while allocating excessive resources can lead to wastage. In the specific case of hospitals, excessive waiting times for care can lead to patient mortality, and the high demand for public hospital services necessitates optimal resource utilization to avoid waste. This study provides a brief overview of the problem of predicting hospital bed occupancy and, using the available data from DATASUS on hospitals in the state of Santa Catarina, decomposes the time series of bed occupancy to explain its behavior. The obtained and processed data were used to train various LSTM networks with the aim of predicting ICU bed occupancy in the state of Santa Catarina. Finally, the study compares the developed models, concluding that the best results were achieved with the model from the third government of the period studied, using only 4 neurons in the hidden layer and considering the previous 3 weeks for prediction.Florianópolis, SC.Marchi, JerusaZibetti, André WüstUniversidade Federal de Santa Catarina.Paraquetti, João Jandre2023-07-11T20:50:57Z2023-07-11T20:50:57Z2023-07-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis64fapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/248656Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-07-11T20:50:57Zoai:repositorio.ufsc.br:123456789/248656Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-07-11T20:50:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
title Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
spellingShingle Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
Paraquetti, João Jandre
Redes neurais artificiais
Predição
Leitos Hospitalares
Artificial neural networks
Prediction
title_short Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
title_full Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
title_fullStr Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
title_full_unstemmed Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
title_sort Predição de ocupação de leitos hospitalares de terapia intensiva no curto prazo utilizando redes neurais artificiais
author Paraquetti, João Jandre
author_facet Paraquetti, João Jandre
author_role author
dc.contributor.none.fl_str_mv Marchi, Jerusa
Zibetti, André Wüst
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Paraquetti, João Jandre
dc.subject.por.fl_str_mv Redes neurais artificiais
Predição
Leitos Hospitalares
Artificial neural networks
Prediction
topic Redes neurais artificiais
Predição
Leitos Hospitalares
Artificial neural networks
Prediction
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-11T20:50:57Z
2023-07-11T20:50:57Z
2023-07-04
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/123456789/248656
url https://repositorio.ufsc.br/handle/123456789/248656
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 64f
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_ 1808651962136133632

Registros relacionados