Elhealth : utilizando internet das coisas e predição computacional para gerenciamento elástico de recursos humanos em hospitais inteligentes

• Ano de defesa: 2019
• Autor(a) principal: Fischer, Gabriel Souto
• Orientador(a): Righi, Rodrigo da Rosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Internet das coisas; Saúde; Hospitais inteligentes; Predição computacional; Sensores; Sistemas distribuídos; Recursos humanos; Elasticidade
• Palavras-chave em Inglês: Internet of things; Health; Smart hospitals; Data prediction; Sensors; Distributed systems; Human resources; Elasticity
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/7697

Os hospitais são pontos de atendimento extremamente importantes para garantir o tratamento adequado da saúde humana. Um dos principais problemas a serem enfrentados são as filas de atendimento aos pacientes cada vez mais superlotadas, que fazem com que os pacientes fiquem cada vez mais tempo com problemas de saúde sem tratamento adequado. A alocação de profissionais de saúde em ambientes hospitalares não é capaz de se adaptar à demanda de pacientes, e há momentos em que salas com pouco uso têm profissionais ociosos, e salas com muito uso acabam tendo menos profissionais do que o necessário. Os trabalhos anteriores acabam não resolvendo o problema, uma vez que se concentram em maneiras de automatizar o tratamento da saúde, mas não em técnicas para melhorar a alocação de recursos humanos disponíveis. Neste contexto, o presente trabalho propõe o ElHealth, um modelo focado na IoT capaz de identificar o uso das salas pelos pacientes e, através de técnicas de predição computacional, identificar quando uma sala terá uma demanda que excede a capacidade de atendimento, propondo ações para movimentar os recursos humanos para se adaptar à demanda futura de pacientes. As principais contribuições do ElHealth são a definição da Elasticidade Preditiva Multinível de Recursos Humanos, uma extensão do conceito de elasticidade de recursos em Cloud Computing para gerenciar o uso de recursos humanos em diferente níveis de um ambiente hospitalar, e a definição do Speedup Elástico Proativo de Recursos Humanos, uma extensão do conceito de Speedup da computação paralela para identificar o ganho de tempo de atendimento com o uso paralelo dinâmico de recursos humanos para atendimento em um ambiente hospitalar. O ElHealth foi simulado em ambiente hospitalar utilizando dados de uma policlínica brasileira e obteve resultados promissores, sendo capaz de diminuir a quantidade média de pacientes aguardando e reduzir o tempo de espera por atendimento no ambiente proposto.