Descoberta de padrões para identificação de casos de alto custo em operadoras de planos de saúde

Abstract

ResumoApresenta-se a construção de um modelo para a identificação de casos de alto custo, aplicando o processo de Knowledge Discovery in Databases apoiados na literatura sobre a necessidade de aplicações sobre técnicas e algoritmos para a identificação de itens de interesse em grande volume de dados para o apoio à tomada de decisões em saúde. Como método propõe-se algoritmos de regra de associação com derivações em relação a medidas de interesses sequencial e temporal. Para validação e teste da técnica aplica-se um experimento sobre 16.355 liberações de procedimentos médicos, tendo sido descobertas 12.992 regras de associação, sendo 12.305 regras sequenciais e 5.554 padrões na medida temporal. O protótipo desenvolvido foi validado por seis especialistas, entre eles profissionais da enfermagem, analistas de sistemas e um médico, que foram capacitados para o seu uso, avaliando os padrões descobertos e a própria ferramenta, então, responderam a um questionário. As respostas foram tabuladas e o resultado foi obtido mediante ao índice de validade de conteúdo. O modelo alcançou uma aceitação geral na ordem de 78% indicando uma aceitação parcial pelos especialistas. Palavras-chave: inteligência artificial, mineração de dados, sistemas de apoio a decisões administrativas, sistemas de identificação de pacientes. AbstractGrupo de Pesquisa em Avaliação da qualidade de vida e qualidade de vida no trabalho Ponta Grossa -PR -Brasil v

Uma abordagem de descoberta de conhecimento para suporte à gestão municipal de saúde

“…No escopo do aprendizado de máquina, uma forma para extrair conhecimento de bases de dados é por meio de um processo conhecido como Knowledge Discovery in Databases (KDD) [3,8,10]. O KDD se refere ao processo de descoberta de conhecimento em base de dados, sendo uma forma não usual de identificar padrões novos, válidos e compreensíveis.…”

“…Na literatura, [3,7,11] utilizam o KDD para identificar oportunidades para redução de custos em operadoras de plano de saúde; [5,14] aplicam o KDD em uma base de dados de atendimentos municipais prestados pelo Sistema Único de Saúde (SUS) para analisar as possíveis causas e correlações de doenças; [9] exploram a triagem dos pacientes atendidos em Unidades de Pronto Atendimento (UPAs) do SUS; e [13] avaliam a efetividade dos atendimentos. A maioria dos trabalhos relacionados são voltados ao auxílio de profissionais em saúde, mas poucos se dedicam a fornecer suporte aos gestores públicos na destinação de recursos ou na criação de ações estratégicas para melhorar o atendimento à população.…”