Cazella, Silvio CesarLamb, Ursula Roséli2024-06-172024-06-172023-07-27https://repositorio.ufcspa.edu.br/handle/123456789/2739Dissertação (Mestrado)-Programa de Pós-Graduação em Tecnologias da Informação e Gestão em Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.Introdução: 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 achadospt-BRAcesso Aberto ImediatoMineração de dadosAprendizado de máquina não supervisionadoAgrupamento de dadosPlanos de saúde[en] Data Mining[en] Cluster analysis[en] Unsupervised Machine Learning[en] Health PlansDissertação