Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/34830
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | O’Neill, Henrique | - |
dc.contributor.advisor | Envia, Gonçalo | - |
dc.contributor.author | Silva, Vilma da | - |
dc.date.accessioned | 2025-07-22T11:48:17Z | - |
dc.date.issued | 2024-12-13 | - |
dc.date.submitted | 2024-10 | - |
dc.identifier.citation | Silva, V. da (2024). Applications Lean Six Sigma and data science in Amadora/Sintra Local Health Unit (ULS) [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/34830 | por |
dc.identifier.uri | http://hdl.handle.net/10071/34830 | - |
dc.description.abstract | This project explores the need for effective management in the healthcare sector, highlighting Lean Six Sigma methodologies, data science and advanced technologies. The effectiveness of Lean Six Sigma in improving operational excellence and user satisfaction, demonstrated by international examples, emphasises its relevance on a global scale. The case study focuses on the Amadora/Sintra Local Health Unit (ULS) in Portugal, where challenges such as resource scarcity and an ageing population require innovative management. The project at ULS aims to implement continuous improvement tools that integrate Lean Six Sigma, machine learning and big data analytics. Specific goals include the creation of dashboards to monitor care, predictive analysis of high-risk users, and correlation of data from frequent users of the healthcare system. Although there are challenges in managing healthcare data, such as the need for efficient systems to turn data into actionable knowledge, the report argues that Lean Six Sigma methodologies and advanced technologies are fundamental to healthcare management. It acknowledges the implementation challenges, including financial, data collection and time constraints, and suggests future research to address these limitations. | por |
dc.description.abstract | Este projeto explora a necessidade de um gerenciamento eficaz do setor de saúde, destacando as metodologias Lean Six Sigma, a ciência de dados e as tecnologias avançadas. A eficácia do Lean Six Sigma na melhoria da excelência operacional e da satisfação do usuário, demostrada por exemplos internacionais, reforça sua relevância em nível global. O estudo de caso concentra-se na Unidade Local de Saúde (ULS) Amadora/Sintra em Portugal, onde desafios como a escassez de pessoal e o envelhecimento da população demandam uma gestão inovadora. O projeto na ULS visa implementar ferramentas de melhoria contínua integrando Lean Six Sigma, aprendizado de máquina e análise de big data. Entre os objetivos específicos estão a criação de painéis de controle para monitorar os atendimentos, a análise preditiva de usuários com potencial de risco e a correlação de dados de usuários frequentes do sistema de saúde. Apesar dos desafios do gerenciamento de dados do setor de saúde, como a necessidade de sistemas eficientes para transformar dados em conhecimento acionável, o relatório enfatiza a importância fundamental das metodologias Lean Six Sigma e das tecnologias avançadas no gerenciamento do setor de saúde. Ele reconhece os desafios de implementação, incluindo restrições financeiras, aquisição dos dados e de tempo, sugerindo pesquisas futuras para abordar essas limitações. | por |
dc.language.iso | eng | por |
dc.rights | restrictedAccess | por |
dc.subject | Management health care | por |
dc.subject | Lean Six Sigma | por |
dc.subject | Data science | por |
dc.subject | Machine learning -- Machine learning | por |
dc.subject | Gestão de cuidados de saúde | por |
dc.subject | Ciência de dados | por |
dc.subject | Aprendizagem máquina | por |
dc.title | Applications Lean Six Sigma and data science in Amadora/Sintra Local Health Unit (ULS) | por |
dc.type | masterThesis | por |
dc.peerreviewed | yes | por |
dc.identifier.tid | 203851048 | por |
dc.subject.fos | Domínio/Área Científica::Ciências Sociais::Economia e Gestão | por |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias | por |
thesis.degree.name | Mestrado em Ciência de Dados | por |
dc.date.embargo | 2027-12-13 | - |
iscte.subject.ods | Saúde de qualidade | por |
iscte.subject.ods | Trabalho digno e crescimento económico | por |
iscte.subject.ods | Indústria, inovação e infraestruturas | por |
thesis.degree.department | Departamento de Métodos Quantitativos para Gestão e Economia | por |
thesis.degree.department | Departamento de Ciências e Tecnologias da Informação | por |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_vilma_silva.pdf Restricted Access | 3,25 MB | Adobe PDF | Ver/Abrir Request a copy |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.