Descoberta de Conhecimento em bases de dados sobre procedimentos assistenciais em um plano de saúde

Página do item simplificado
dc.contributor.advisorCazella, Silvio Cesar
dc.contributor.authorLamb, Ursula Roséli
dc.contributor.departmentPrograma de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde
dc.date.accessioned2024-06-17T16:58:49Z
dc.date.available2024-06-17T16:58:49Z
dc.date.date-insert2024-06-17
dc.date.issued2023-07-27
dc.descriptionDissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
dc.description.abstractIntrodução: O alto custo dos procedimentos que culmina em mensalidades elevadas dos planos de saúde e a necessidade constante de fomentar programas de cuidado em saúde aliada com a entrega ao paciente de saúde baseada em valor justificam novas abordagens em gestão e o uso de tecnologias no gerenciamento do sistema de saúde. Os procedimentos de saúde assistenciais realizados dentro do sistema de saúde suplementar formam bancos de dados com enormes oportunidades em gestão populacional. Técnicas de exploração de conjunto de dados como as disponíveis no processo de descoberta de conhecimento podem evidenciar conhecimento útil e novo paraa gestão. Objetivo: Aplicar o processo de descoberta de conhecimento em bases de dados de procedimentos de saúde buscando extrair conhecimento útil e novo para apoiar a decisão na gestão a fim de melhorar a qualidade dos cuidados em saúde. Método: Esta pesquisa tem natureza aplicada, constituindo na exploração dos dados oriundos dos bancos de dados sobre procedimentos em saúde. Um modelo descritivo de aprendizado de máquina não supervisionado, seguindo a metodologia do processo de descoberta de conhecimento e bases de dados, foi elaborado a partir do algoritmo K-means. A quantidade de agrupamentos obtida foi orientada pelo índice de silhueta e o teor da segregação foi analisada de acordo com o conhecimento acerca do negócio e dos procedimentos. Resultado: O melhor modelo obtido permitiu que se descobrissem quatro agrupamentos. Esse modelo foi arquitetado nas etapas de préprocessamento. Foram excluídas, por exemplo, as variáveis que apresentaram pouca frequência de utilização assim como as que totalizaram valores baixos de sinistralidade. Também foram analisadas a faixa etária de utilização e os valores totais de gastos por códigos para que o algoritmo pudesse expressar seu melhor resultado. Conclusões: O processo de descoberta de conhecimento mostrou-se uma alternativa interessante para a exploração do dataset composto por procedimentos em saúde. Essa metodologia permitiu a identificação de um modelo descritivo que poderá auxiliar no processo de tomada de decisão em gestão de saúde. Ações em saúde relacionadas a grupos de portadores de doenças crônicas assim como à super utilizadores do plano de saúde, por exemplo, poderão ser melhor executadas a partir desses achados
dc.description.abstract-enIntroduction: The high cost of procedures that culminates in high monthly fees for health plans and the constant need to promote health care programs combined with the delivery of value-based health to the patient justify new approaches in management and the use of technologies in management of the health system. The health care procedures carried out within the supplementary health system form databases with enormous opportunities in population management. Data set exploration techniques such as those available in the knowledge discovery process can reveal useful and new knowledge for management. Objective: To apply the knowledge discovery process in databases of health procedures, seeking to extract useful and new knowledge to support management decisions in order to improve the quality of health care. Method: This research has an applied nature, constituting a single case study. The exploration of data from the databases on health procedures was carried out based on the process of discovering knowledge in the database. A descriptive model of unsupervised machine learning was elaborated from the K-means algorithm. The amount of clusters obtained was guided by the silhouette index and the content of segregation was analyzed according to knowledge about the business and procedures. Result: The best model obtained allowed four clusters to be discovered. This model was architected in the pre-processing steps. For example, variables that showed little frequency of use were excluded, as well as those that totaled low accident rates. The age group of use and the total values of expenses per code were also analyzed so that the algorithm could express its best result. Conclusions: The knowledge discovery process proved to be an interesting alternative for exploring the dataset composed of health procedures. This methodology allowed the identification of a descriptive model that could help in the decision-making process in health management. Health actions related to groups of people with chronic diseases as well as super users of the health plan, for example, could be better implemented based on these findings
dc.identifier.urihttps://repositorio.ufcspa.edu.br/handle/123456789/2739
dc.language.isopt_BR
dc.relation.requiresTEXTO - Adobe Reader
dc.rightsAcesso Aberto Imediatopr_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/
dc.subjectMineração de dados
dc.subjectAprendizado de máquina não supervisionado
dc.subjectAgrupamento de dados
dc.subjectPlanos de saúde
dc.subject[en] Data Miningen
dc.subject[en] Cluster analysisen
dc.subject[en] Unsupervised Machine Learningen
dc.subject[en] Health Plansen
dc.titleDescoberta de Conhecimento em bases de dados sobre procedimentos assistenciais em um plano de saúde
dc.typeDissertação
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
[DISSERTAÇÃO] Lamb, Ursula Roséli (C).pdf
Tamanho:
14.93 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo
Baixar
Coleções
PPGTIGSAU - Dissertações