Gestão / Administração Dissertações de Mestrado
|
|
|
|
Uso de Técnicas de Data Mining para Análise de Bases de Dados Hospitalares com Finalidades de Gestão
Autor:
José Alberto da Silva Freitas
Doutoramento em Ciências Empresariais
Faculdade de Economia da Universidade do Porto Se é autor de uma tese / dissertação de mestrado ou de doutoramento envie-nos para knoow.net@gmail.com e ajude-nos a enriquecer ainda mais o nosso site. |
Uso de Técnicas de Data Mining para Análise de Bases de Dados Hospitalares com Finalidades de Gestão |
|
|
Resumo Actualmente, a Medicina gera enormes quantidades de dados que nem sempre são devidamente analisados e explorados. É objectivo deste trabalho contribuir para o processo de extracção de conhecimento em dados na saúde, não só com a descoberta de novos conhecimentos, mas também com a definição e implementação de novas metodologias com relevância para a gestão hospitalar. Para a obtenção de novos conhecimentos, foram investigados e aplicados métodos de data mining em dados hospitalares, incluindo técnicas de classificação, de regressão e de aglomeração. Para a definição de novas metodologias de extracção de conhecimento, foram analisadas e implementadas estratégias de classificação sensíveis aos vários custos, económicos e não económicos, normalmente associados a testes médicos. Na implementação destas novas estratégias foram utilizadas árvores de decisão modificadas para minimizar os custos. Em termos de novos conhecimentos, os episódios com internamentos de longa duração têm diminuído ao longo dos anos, apesar de as taxas de readmissão e os internamentos de curta duração não terem aumentado e de o número de comorbilidades (diagnósticos secundários) ter aumentado. Os grandes hospitais têm mais episódios de longa duração do que os restantes, mesmo depois de ajustado às características dos doentes. Por outro lado, foi definida uma nova estratégia de aprendizagem e de utilização sensível a vários custos, incluindo um factor de risco associado a cada teste, custos de grupo e custos específicos a determinadas situações ou instantes. Na comparação com métodos tradicionais, não sensíveis aos custos, os resultados obtidos com a nova estratégia foram melhores, com custos globais mais baixos. Os novos conhecimentos obtidos poderão ser importantes indicadores para determinadas análises de gestão e de planeamento hospitalar na medida em que podem indiciar maior eficiência, nomeadamente em relação aos tempos de internamento. A nova estratégia de aprendizagem e de utilização sensível aos custos procura ser ajustada à realidade e ao pensamento dos profissionais de saúde. Este trabalho conjuga vários tipos de custos com relevância na área da gestão em saúde, e sugere como estes poderão ser processados.
Palavras chave: Ciências Empresariais
Índice
Breve nota biográfica Resumo Abstract Résumé Acrónimos Ligações para sites relevantes 1. Introdução 2. Extracção de Conhecimento em Medicina
2.1 Processo de data mining
Aglomeração (Clustering) Regressão logística 2.3 Árvores de decisão 2.4 Avaliação de classificadores 2.5 Data mining na área da saúde 2.6 Características de data mining em medicina 2.7 Data envelopment analysis 3. Gestão Hospitalar 3.1 Produto hospitalar 3.2 Case-mix 3.3 Grupos de diagnóstico homogéneos (GDHs)
Características dos GDHs 3.4 Tempos de internamento desviantes 3.5 Comorbilidades 3.6 Readmissões hospitalares 4. Análises na área da Gestão Hospitalar 4.1 Internamentos hospitalares
Análise de internamentos num hospital
central 4.2 Tempos de internamento desviantes 4.3 Evolução das comorbilidades 4.4 Estudo das readmissões hospitalares 4.5 Cuidados intensivos Cuidados intensivos pediátricos 4.6 Próximas etapas 5. Classificação Sensível ao Custo 5.1 Diferentes tipos de custos
Custo dos erros de má classificação 5.2 Trabalho na área Trabalhos com custos dos testes e das más classificações Meta-classificadores 5.3 Abordagens para a aprendizagem sensível ao custo 5.4 Avaliação, sensível ao custo, dos classificadores 6. Estratégia de Classificação Sensível ao Custo 6.1 Função de custo 6.2 Implementação 6.3 Estratégias de teste da árvore de decisão 6.4 Casos práticos com árvores de decisão sensíveis a custos
Análise de dados da doença cardíaca 6.5 Discussão 6.6 Trabalho futuro 7. Conclusões 7.1 Tempo de internamento 7.2 Comorbilidades 7.3 Readmissões 7.4 Modelos de decisão sensíveis aos custos 7.5 Problemas e recomendações 7.6 Trabalho futuro Lista de publicações 8. Referências
9. Anexos
|
|