Previsão de tempos de internamento de pacientes via técnicas de data mining

• Main Author: Caetano, Nuno Manuel Palhotas
• Publication Date: 2013
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10071/8078
• topic: Data mining --; Inteligência empresarial; Tempos de internamento; CRISP-DM; Length of stay; Business intelligence

Há mais de duas décadas que os hospitais começaram a armazenar a informação clínica electrónica nos seus sistemas de informação hospitalar. Cada vez mais, os hospitais recolhem grandes quantidades de dados através de novos métodos electrónicos de armazenamento de dados, permitindo o aumento do interesse nas áreas da descoberta de conhecimento em bases de dados e data mining (DM). Existe então a necessidade de investigar melhores métodos de análise de dados e automatizar esses procedimentos de modo a facilitar a criação de conhecimento. No passado, objetivos como a necessidade de reduzir o tempo de internamento, aumentar o número de camas disponíveis para novos internamentos, reduzir o tempo de espera na lista de espera cirúrgica e prestar melhores cuidados de saúde têm sido difíceis de cumprir. O DM é então o processo chave neste trabalho através da aplicação de algoritmos de aprendizagem. Esta dissertação irá focar-se no estudo de caso de uma instituição hospitalar nacional, com base nos dados oriundos do processo de internamento hospitalar entre 2001 e 2013. Obteve-se um modelo preditivo para tempos de internamento através da descoberta de comportamentos e padrões existentes no processo de internamento hospitalar, com base em técnicas de DM. A concepção de um modelo explicativo permitiu extrair conhecimento útil para a área de negócio hospitalar, possibilitando no futuro, a execução de um processo de internamento mais eficiente, otimizando o número de camas existentes no contexto hospitalar e evitando erros ou desvios no planeamento dos internamentos.