Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
Texto Completo: | http://hdl.handle.net/10071/7652 |
Resumo: | Com base nos dados disponíveis num hospital português relativos aos processos de internamento, ocorridos no período de 2000 a 2013, e seguindo a metodologia de data mining CRISP-DM, obteve-se um modelo de previsão dos tempos de internamento baseado no algoritmo random forest que apresentou uma elevada qualidade, e superior à obtida com outras técnicas de data mining, e que permitiu identificar os atributos clínicos do paciente como os mais importantes para a explicação dos tempos de internamento. |
id |
RCAP_590ae638fcee9fe78a4983a2e81c0f05 |
---|---|
oai_identifier_str |
oai:repositorio.iscte-iul.pt:10071/7652 |
network_acronym_str |
RCAP |
network_name_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository_id_str |
https://opendoar.ac.uk/repository/7160 |
spelling |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DMData MiningTempo de internamentoModelo de previsãoRegressãoCom base nos dados disponíveis num hospital português relativos aos processos de internamento, ocorridos no período de 2000 a 2013, e seguindo a metodologia de data mining CRISP-DM, obteve-se um modelo de previsão dos tempos de internamento baseado no algoritmo random forest que apresentou uma elevada qualidade, e superior à obtida com outras técnicas de data mining, e que permitiu identificar os atributos clínicos do paciente como os mais importantes para a explicação dos tempos de internamento.Associação Ibérica de Sistemas e Tecnologias de Informação2014-07-02T14:24:22Z2014-01-01T00:00:00Z20142019-05-21T11:32:08Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10071/7652por1646-989510.4304/risti.13.83-98Laureano, R. M. S.Caetano, N.Cortez, P.info:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2024-07-07T03:00:46Zoai:repositorio.iscte-iul.pt:10071/7652Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T18:13:22.818954Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
dc.title.none.fl_str_mv |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
title |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
spellingShingle |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM Laureano, R. M. S. Data Mining Tempo de internamento Modelo de previsão Regressão |
title_short |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
title_full |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
title_fullStr |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
title_full_unstemmed |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
title_sort |
Previsão de tempos de internamento num hospital português: aplicação da metodologia CRISP-DM |
author |
Laureano, R. M. S. |
author_facet |
Laureano, R. M. S. Caetano, N. Cortez, P. |
author_role |
author |
author2 |
Caetano, N. Cortez, P. |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Laureano, R. M. S. Caetano, N. Cortez, P. |
dc.subject.por.fl_str_mv |
Data Mining Tempo de internamento Modelo de previsão Regressão |
topic |
Data Mining Tempo de internamento Modelo de previsão Regressão |
description |
Com base nos dados disponíveis num hospital português relativos aos processos de internamento, ocorridos no período de 2000 a 2013, e seguindo a metodologia de data mining CRISP-DM, obteve-se um modelo de previsão dos tempos de internamento baseado no algoritmo random forest que apresentou uma elevada qualidade, e superior à obtida com outras técnicas de data mining, e que permitiu identificar os atributos clínicos do paciente como os mais importantes para a explicação dos tempos de internamento. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-07-02T14:24:22Z 2014-01-01T00:00:00Z 2014 2019-05-21T11:32:08Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10071/7652 |
url |
http://hdl.handle.net/10071/7652 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
1646-9895 10.4304/risti.13.83-98 |
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.publisher.none.fl_str_mv |
Associação Ibérica de Sistemas e Tecnologias de Informação |
publisher.none.fl_str_mv |
Associação Ibérica de Sistemas e Tecnologias de Informação |
dc.source.none.fl_str_mv |
reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
repository.mail.fl_str_mv |
info@rcaap.pt |
_version_ |
1833597267908493312 |