Made available in DSpace on 2014-12-17T14:53:17Z (GMT). No. of bitstreams: 1 MarceloCS_DISSERT.pdf: 2801303 bytes, checksum: 8118c830c7f441ce1b3190bca6570c77 (MD5) Previous issue date: 2012-03-28 / The relevance of rising healthcare costs is a main topic in complementary health companies in Brazil. In 2011, these expenses consumed more than 80% of the monthly health insurance in Brazil. Considering the administrative costs, it is observed that the companies operating in this market work, on average, at the threshold between profit and loss. This paper presents results after an investigation of the welfare costs of a health plan company in Brazil. It was based on the KDD process and explorative Data Mining. A diversity of results is presented, such as data summarization, providing compact descriptions of the data, revealing common features and intrinsic observations. Among the key findings was observed that a small portion of the population is responsible for the most demanding of resources devoted to health care / A relev?ncia do aumento dos custos assistenciais ? um fen?meno que consiste em uma das principais discuss?es na ?rea da sa?de suplementar. Em 2011, estas despesas representaram mais de 80% das mensalidades dos planos de sa?de no Brasil. Considerando as despesas administrativas, observa-se que as empresas atuantes neste mercado trabalham, em m?dia, no limiar entre lucro e preju?zo. Esta disserta??o, com base no processo de descoberta de conhecimento (KDD) e minera??o de dados, realizou uma investiga??o dos custos assistenciais de uma operadora de plano de sa?de. Os resultados propiciam descri??es compactas dos dados, revelando caracter?sticas comuns e intr?nsecas das observa??es. Dentre as principais conclus?es observa-se que uma reduzida parcela da popula??o ? respons?vel por demandar a maior parte dos recursos destinados aos cuidados com sa?de

nÃo hà / Este trabalho teve por objetivo realizar um estudo analÃtico relativo à sustentabilidade financeira dos beneficiÃrios da carteira de uma operadora de planos de saÃde. A amostra investigada no estudo à de uma operadora de plano de saÃde vinculada ao Banco do Nordeste do Brasil S.A. (BNB) e à composta por 38.875 usuÃrios, ativos, entre os anos de 2011 e 2013. Especificamente, buscou-se nesse trabalho aplicar tÃcnicas de classificaÃÃo de insustentabilidade financeira de beneficiÃrios de uma operadora de planos de saÃde, identificando o modelo de melhor ajustamento e os principais determinantes de insustentabilidade. As tÃcnicas estatÃsticas de classificaÃÃo supervisionada empregadas foram a regressÃo logÃstica, as Ãrvores de classificaÃÃo e o classificador de vizinhos mais prÃximos. AlÃm disso, foi empregada a curva ROC para comparar os desempenhos das tÃcnicas utilizadas, sendo a Ãrea abaixo da curva (AUC), a principal medida observada. Os resultados obtidos mostraram que a maior parte da amostra à composta por beneficiÃrios sustentÃveis. O modelo de regressÃo logÃstica obteve precisÃo de 68,43% com AUC de 0,7501, as Ãrvores obtiveram 67,76% e AUC de 0,6855, enquanto o classificador dos vizinhos mais prÃximos teve uma precisÃo de 67,22% e AUC de 0,7258. As variÃveis apontadas como mais importantes pelos dois primeiros modelos, considerando uma anÃlise conjunta, sÃo a Idade e o Tipo de Plano, dentre aquelas que definem o perfil do usuÃrio e a Receita, Consulta e Odontologia, daquelas que definem o histÃrico de utilizaÃÃo do usuÃrio / This study aimed to carry out an analytical study on the financial sustainability of the beneficiaries of the portfolio of managed care plans. The sample investigated in the study is a health plan operator linked to the Banco do Nordeste do Brazil SA (BNB) and consists of 38,875 members, assets, between the years 2011 and 2013. Specifically, we sought to apply techniques that work financial unsustainability classification of beneficiaries of a managed care plans, identifying the model best fit and the main determinants of unsustainability. The technical classification statistics were supervised employed logistic regression, classification trees and the classifier closest neighbors. Furthermore, the ROC curve was used to compare the performance of the techniques used, and the area under the curve (AUC), the main extent observed. The results showed that most of the sample is composed of organic recipients. The logistic regression model obtained precision of 68.43% with AUC of 0.7501, the trees obtained 67.76% and AUC of 0.6855, while the classifier of the closest neighbors had an accuracy of 67.22% and AUC of 0.7258. The variables identified as most important by the first two models, considering a joint analysis, are the Middle and the Plan type, among those that define the user profile and the Revenue Consultation and Dentistry, those that define the user use history