| Summary: | Com o crescente aumento de dados nos sistemas de informação clínica, tornou-se necessária a exploração de várias tecnologias e metodologias para análise desse valioso conhecimento. Esta investigação teve por objetivo geral obter um modelo preditivo otimizado de tempos de internamento de pacientes no Hospital das Forças Armadas, através da descoberta de comportamentos e padrões existentes no processo de internamento hospitalar, com base em técnicas de data mining. Os internamentos realizados no Hospital das Forças Armadas, compreendidos entre 2013 e 2017, foram a população alvo desta investigação e, atendendo aos objetivos e ao problema, a metodologia que se revelou mais adequada foi a metodologia CRISP-DM. Na fase de preparação de dados foram selecionados 19 atributos de entrada, enquanto que na fase de modelação efetuou-se uma abordagem regressiva, aplicando-se cinco técnicas de regressão: Decision Tree, Naive, Multiple Regression, Random Forest e Support Vector Machines. Identificou-se como melhor modelo o Random Forest, com um coeficiente de determinação de 0,735 e com uma capacidade de prever corretamente 78,5% dos casos. Através de uma análise de sensibilidade, verificou-se que os quatro atributos mais significativos, relacionados com a situação clínica dos pacientes, contribuem em mais de 50% para a capacidade explicativa do modelo gerado: Tipo de Episódio de Internamento (31,9%), Serviço de Internamento (8%), Especialidade Médica (7,5%) e Destino da Alta (7,2%). Abstract:
|
|---|