Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)

Detalhes bibliográficos
Autor(a) principal: Macris, Alexandre Henrique
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-07072021-153520/
Resumo: Introdução: O fenômeno da reinternação hospitalar não planejada é um problema crítico que afeta vários países, entre os efeitos diretos desta situação estão o descontrole da rotatividade de leitos hospitalares, o alto custo financeiro oriundo da duração de estadia e a diminuição da qualidade de vida dos pacientes. Objetivo: A busca por um modelo de predição de reinternação hospitalar eficiente torna-se relevante, considerando que seus resultados podem favorecer a tomada de decisões de forma antecipada dentro das instituições hospitalares, mitigando ou até evitando que um paciente seja internado novamente após a alta. Métodos: Dentre as atividades propostas neste trabalho estão a submissão de duas fontes de dados distintas à algumas etapas do processo de descoberta de conhecimento em bases de dados. Resultados: Inicialmente foi realizada uma busca nas bases de dados online a fim de avaliar a acurácia dos resultados obtidos na aplicação de modelos de predição de reinternação em pacientes de saúde mental, também comparar as variáveis mais utilizadas nestes modelos com as existentes nas fontes de dados do repositório. Em um segundo momento, as variáveis eleitas foram submetidas à análise e processamento sob a perspectiva da descoberta de conhecimento em bases de dados. Conclusão: A presença de determinadas variáveis nas fontes de dados que também foram utilizadas em estudos anteriores é um importante indicador da viabilidade de elaboração e aplicação de um modelo de predição de reinternações, a intenção é prosseguir nas etapas do processo de conhecimento em base de dados para elaboração deste modelo no futuro.
id USP_3c86125dac3e2701da50afe0ccab5ad7
oai_identifier_str oai:teses.usp.br:tde-07072021-153520
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)Study of prediction models for mental health rehospitalization in the sistema único de saúde (SUS)Descoberta de conhecimento em bases de dados Hospital readmissionsKnowledge discovery in databasesMental healthModelos de prediçãoPrediction modelsReinternações hospitalaresSaúde mentalIntrodução: O fenômeno da reinternação hospitalar não planejada é um problema crítico que afeta vários países, entre os efeitos diretos desta situação estão o descontrole da rotatividade de leitos hospitalares, o alto custo financeiro oriundo da duração de estadia e a diminuição da qualidade de vida dos pacientes. Objetivo: A busca por um modelo de predição de reinternação hospitalar eficiente torna-se relevante, considerando que seus resultados podem favorecer a tomada de decisões de forma antecipada dentro das instituições hospitalares, mitigando ou até evitando que um paciente seja internado novamente após a alta. Métodos: Dentre as atividades propostas neste trabalho estão a submissão de duas fontes de dados distintas à algumas etapas do processo de descoberta de conhecimento em bases de dados. Resultados: Inicialmente foi realizada uma busca nas bases de dados online a fim de avaliar a acurácia dos resultados obtidos na aplicação de modelos de predição de reinternação em pacientes de saúde mental, também comparar as variáveis mais utilizadas nestes modelos com as existentes nas fontes de dados do repositório. Em um segundo momento, as variáveis eleitas foram submetidas à análise e processamento sob a perspectiva da descoberta de conhecimento em bases de dados. Conclusão: A presença de determinadas variáveis nas fontes de dados que também foram utilizadas em estudos anteriores é um importante indicador da viabilidade de elaboração e aplicação de um modelo de predição de reinternações, a intenção é prosseguir nas etapas do processo de conhecimento em base de dados para elaboração deste modelo no futuro.Introduction: The unplanned hospital readmission phenomenon is a critical problem that affects many countries. Among the direct effects of this situation are the uncontrolled rotation of hospital beds, the high financial cost resulting from the length of stay and the decrease in the life quality of patients. Objective: The search for an efficient readmission prediction model becomes relevant, considering that its results may support early decision making within hospital institutions, mitigating or even preventing a patient for new hospitalization after discharge. Methods: Among the activities proposed in this paper are the submission of two distinct data sources to knowledge discovery process in databases stages. Results: Initially, an online database search was lead to evaluate the accuracy of the results obtained in the application of readmission prediction models in mental health patients, as well as to compare the variables most commonly used in these models with those in data sources repository. In a second moment, the elected variables were submitted to analysis and processing from knowledge discovery in databases perspective. Conclusion: The presence of certain variables in data sources that were also used in previous studies is an important indicator of the feasibility of elaboration and application for readmission prediction model, the intention is proceed in the steps of the database knowledge process to elaborate this model in the future.Biblioteca Digitais de Teses e Dissertações da USPAlves, DomingosMacris, Alexandre Henrique2020-02-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/82/82131/tde-07072021-153520/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-07-07T22:37:02Zoai:teses.usp.br:tde-07072021-153520Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-07-07T22:37:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
Study of prediction models for mental health rehospitalization in the sistema único de saúde (SUS)
title Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
spellingShingle Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
Macris, Alexandre Henrique
Descoberta de conhecimento em bases de dados
Hospital readmissions
Knowledge discovery in databases
Mental health
Modelos de predição
Prediction models
Reinternações hospitalares
Saúde mental
title_short Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
title_full Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
title_fullStr Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
title_full_unstemmed Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
title_sort Estudos de modelos para predição de reinternação em saúde mental no Sistema Único de Saúde (SUS)
author Macris, Alexandre Henrique
author_facet Macris, Alexandre Henrique
author_role author
dc.contributor.none.fl_str_mv Alves, Domingos
dc.contributor.author.fl_str_mv Macris, Alexandre Henrique
dc.subject.por.fl_str_mv Descoberta de conhecimento em bases de dados
Hospital readmissions
Knowledge discovery in databases
Mental health
Modelos de predição
Prediction models
Reinternações hospitalares
Saúde mental
topic Descoberta de conhecimento em bases de dados
Hospital readmissions
Knowledge discovery in databases
Mental health
Modelos de predição
Prediction models
Reinternações hospitalares
Saúde mental
description Introdução: O fenômeno da reinternação hospitalar não planejada é um problema crítico que afeta vários países, entre os efeitos diretos desta situação estão o descontrole da rotatividade de leitos hospitalares, o alto custo financeiro oriundo da duração de estadia e a diminuição da qualidade de vida dos pacientes. Objetivo: A busca por um modelo de predição de reinternação hospitalar eficiente torna-se relevante, considerando que seus resultados podem favorecer a tomada de decisões de forma antecipada dentro das instituições hospitalares, mitigando ou até evitando que um paciente seja internado novamente após a alta. Métodos: Dentre as atividades propostas neste trabalho estão a submissão de duas fontes de dados distintas à algumas etapas do processo de descoberta de conhecimento em bases de dados. Resultados: Inicialmente foi realizada uma busca nas bases de dados online a fim de avaliar a acurácia dos resultados obtidos na aplicação de modelos de predição de reinternação em pacientes de saúde mental, também comparar as variáveis mais utilizadas nestes modelos com as existentes nas fontes de dados do repositório. Em um segundo momento, as variáveis eleitas foram submetidas à análise e processamento sob a perspectiva da descoberta de conhecimento em bases de dados. Conclusão: A presença de determinadas variáveis nas fontes de dados que também foram utilizadas em estudos anteriores é um importante indicador da viabilidade de elaboração e aplicação de um modelo de predição de reinternações, a intenção é prosseguir nas etapas do processo de conhecimento em base de dados para elaboração deste modelo no futuro.
publishDate 2020
dc.date.none.fl_str_mv 2020-02-17
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 https://www.teses.usp.br/teses/disponiveis/82/82131/tde-07072021-153520/
url https://www.teses.usp.br/teses/disponiveis/82/82131/tde-07072021-153520/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256788532985856

Registros relacionados