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

Abstract

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.

For more than two decades that hospitals began storing information related with electronic clinical information systems. Increasingly, hospitals collect large amounts of data through new methods of electronic data storage, allowing increased interest in the areas of knowledge discovery in databases and data mining (DM). There is thus a need to investigate improved methods of data analysis and automate these procedures to facilitate the creation of knowledge. In the past, objectives such as the need to reduce the length of stay, increase the number of beds available for new admissions, reduce the wait time on the waiting list and provide the best surgical care has been difficult to meet. DM is then the key process in this work by applying learning algorithms. This dissertation will focus on the case study of a national hospital, based on data from the process of hospitalization between 2001 and 2013. A predictive model was obtained for the length of stay, through the discovery of behaviors and patterns existing in the hospitalization process, based on DM techniques. The design of an explanatory model allowed extracting useful knowledge for hospital management, enabling the implementation of a rigorous admission process, optimizing the number of available hospital beds and avoiding errors or deviations in the admission plans.