Notícias

Banca de QUALIFICAÇÃO: KAROLINE DE MOURA FARIAS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: KAROLINE DE MOURA FARIAS
DATA: 13/09/2018
HORA: 16:00
LOCAL: Sala 260 - SG9
TÍTULO: Uso de Informação de Histórico para Regulação em Saúde
PALAVRAS-CHAVES: Regulação é um mecanismo de controle utilizado por uma Operadora de Plano de Saúde (OPS) com objetivo de minimizar o desperdício de recursos por meio da análise das requisições rec
PÁGINAS: 45
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

Regulação é um mecanismo de controle utilizado por uma Operadora de Plano de Saúde (OPS) com objetivo de minimizar o desperdício de recursos por meio da análise das requisições recebidas, feitas por profissionais especializados que ficam à disposição para avaliação técnica das requisições. Uma das estratégias utilizadas para otimizar essa tarefa é o uso de um sistema que automatize parte desse processo por meio da utilização do aprendizado de máquina. Porém a performance desses algoritmos depende de como os dados estão formatados e quais atributos estão presentes durante o aprendizado. O objetivo deste trabalho é aperfeiçoar o processo de Regulação acrescentando informação do histórico de atendimento dos beneficiários. Este estudo se baseia na ideia de que o histórico de um paciente fornece informações relevantes sobre sua saúde, e que possíveis requisições que venha a realizar sigam de alguma forma um padrão baseado em suas requisições antigas. Devido à grande dimensionalidade das informações existentes no histórico, é necessário a realização de adaptações que possibilitem sintetizar o conhecimento existente e ainda assim representem de forma consistente os fatos já acontecidos. Para isso, neste trabalho são aplicadas diferentes técnicas de Seleção, Construção e Extração de Atributos, para se avaliar qual delas é mais adequada para representação do histórico de um beneficiário no contexto de planos de saúde. O uso dessas técnicas permite reduzir a dimensionalidade dos dados e aumentar o poder de predição dos classificadores utilizados em um processo de aprendizagem de máquina. Com a finalidade de obter uma análise comparativa, foram aplicadas as principais técnicas de Seleção de Atributos baseados em filtros e wrappers, com relação à Extração de Atributos foram realizados testes utilizando a técnica PCA (Principal Component Analysis) e, quanto à Construção de Atributos, foram criados três tipos de agrupamento de atributos baseados na estruturação dos procedimentos presentes no CBHPM (Classificação Brasileira Hierarquizado de Procedimentos Médicos) em capítulos, seções e subseções. Os melhores resultados foram aqueles utilizando Seleção de Atributos, onde as estratégias do tipo wrapper saíram-se melhor com acurácia de 98,5465% e índice Kappa de 0,6991


MEMBROS DA BANCA:
Presidente - 1632667 - ANDRE MACEDO SANTANA
Interno - 2167802 - PEDRO DE ALCANTARA DOS SANTOS NETO
Interno - 2061294 - RICARDO DE ANDRADE LIRA RABELO
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 20/08/2018 07:51
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb02.ufpi.br.instancia1 17/10/2019 02:33