CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.

Les inductances et interconnexions des composants passifs intégrés pour la téléphonie mobile, sont sujettes à des défaillances dues à l’électromigration et l’auto-échauffement. L’électromigration n’est pas un risque majeur, au regard des grandes dimensions de cuivre de la technologie étudiée et de l’application. L’auto-échauffement est, en revanche, le principal phénomène qui limite le choix des dimensions des inductances et interconnexions lors de leurs conceptions.L’effet Joule pour les interconnexions et les inductances, a été étudié par le biais de caractérisations et de simulations électrothermiques. La méthodologie des plans d’expériences a été utilisée afin de modéliser le comportement électrothermique des inductances et des interconnexions. Un modèle prédictif de l’auto-échauffement en fonction des dimensions et de l’intensité, a été déterminé permettant d’étudier et de déterminer l’influence de chaque facteur dimensionnel, en régime continu. En radiofréquence, une méthodologie de mesure de l’auto-échauffement a été déterminée permettant sa caractérisation sur des composants sur plaquette. Une corrélation entre les régimes continus et alternatifs ne donnant pas de résultat concluant, une méthodologie de couplage faible, entre un simulateur électromagnétique et électrothermique a été effectuée, permettant la simulation du phénomène d’auto-échauffement sous contrainte radiofréquentielle. / Electrothermal and electromigration failure are likely to occur on copper inductor and interconnection in integrated passive devices for wireless telephony application. Electromigration is not a concern considering the high thickness of the copper and the application but the Joule heating is the main restriction on the dimensions during the component design. Joule heating on interconnections and inductors has been studied by electrothermal characterization and simulation. We have shown that Joule heating depends of several parameters such as material layers parameters and component dimensions. Design of experiments methodology has been used in order to model the inductor and interconnection electrothermal behavior. A self-heating predictive model has been determined allowing the study and the determination of dimensions impact in direct current.In radiofrequency, a self-heating measurement methodology has been determined allowing its characterization at wafer level. A correlation between direct current and radiofrequency is not satisfactory and a weak coupling between an electromagnetic and electrothermal simulator has been performed, providing the self-heating simulation under radiofrequency stress.

A mudança de comportamento dos consumidores através do advento da tecnologia e das redes sociais gera um grande empoderamento dos mesmos, alterando substancialmente a forma de relacionamento das empresas com seu público final. Atentas a este mercado, as empresas de mídia passam por profundas mudanças, tanto do ponto de vista da entrega de conteúdo ao seu público, quanto no seu formato administrativo, estratégico e financeiro. Sendo assim, a presente dissertação apresenta abordagens apoiadas em técnicas multivariadas para composição de equipes comerciais e de remuneração dos times de venda de uma empresa de comunicação. No artigo 1, objetiva-se gerar um modelo para estimar a premiação comercial das equipes de venda das rádios do Grupo RBS. Para tanto, inicialmente geram-se agrupamentos das emissoras de rádio do Grupo RBS no estado do Rio Grande do Sul e de Santa Catarina com base nos seus perfis de similaridades. Para cada cluster gerado, gera-se uma regressão linear múltipla da premiação comercial validado através de validação cruzada por intermédio do R2 ajustado e Mean Absolute Percentage Error (MAPE). O segundo artigo aborda a clusterização dos top clientes do Grupo RBS e o impacto na composição das equipes comerciais por meio do método da seleção de variáveis. As 7 variáveis originais foram avaliadas através do método de seleção de variáveis “Omita uma variável por vez”; o melhor Silhouette Index (SI) médio, métrica utilizada para avaliar a qualidade dos agrupamentos gerados, foi obtido quando 3 variáveis foram retidas. Os agrupamentos gerados por tais variáveis refletem o comportamento de compra de mídia dos clientes; os agrupamentos foram considerados satisfatórios quando avaliados por especialistas do Grupo RBS. / The change in the behavior of consumers with the advent of technology and social networks generates a great empowerment of themselves, substantially altering the relationship form of companies to their final audience. Attentive to this market, media companies undergo profound changes, both from the point of view of delivering content to their audience, as well as in their administrative, strategic and financial format. Thus, the present dissertation presents approaches supported by multivariate techniques for the composition of commercial and remuneration teams of the sales group of a communication company. In article 1, the objective is to generate a model to estimate the commercial awards of the sales teams of the RBS Group radios. To do this, we initially generate groupings of radio stations from the RBS Group in the state of Rio Grande do Sul and Santa Catarina based on their profiles of similarities. For each cluster generated, a multiple linear regression of the commercial award is generated, validated through cross validation through the adjusted R2 and Mean Absolute Percentage Error (MAPE). The second article addresses the clustering of RBS Group top clients and the impact on the composition of business teams through the variable selection method. The original 7 variables were evaluated through the variable selection method "Omit one variable at a time"; the best Silhouette Index (SI) average, metric used to evaluate the quality of the generated clusters, was obtained when 3 variables were retained. Clusters generated by such variables reflect customers' buying behavior of media; the clusters were considered satisfactory when evaluated by RBS Group experts.

CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.

abstract: Although models for describing longitudinal data have become increasingly sophisticated, the criticism of even foundational growth curve models remains challenging. The challenge arises from the need to disentangle data-model misfit at multiple and interrelated levels of analysis. Using posterior predictive model checking (PPMC)—a popular Bayesian framework for model criticism—the performance of several discrepancy functions was investigated in a Monte Carlo simulation study. The discrepancy functions of interest included two types of conditional concordance correlation (CCC) functions, two types of R2 functions, two types of standardized generalized dimensionality discrepancy (SGDDM) functions, the likelihood ratio (LR), and the likelihood ratio difference test (LRT). Key outcomes included effect sizes of the design factors on the realized values of discrepancy functions, distributions of posterior predictive p-values (PPP-values), and the proportion of extreme PPP-values. In terms of the realized values, the behavior of the CCC and R2 functions were generally consistent with prior research. However, as diagnostics, these functions were extremely conservative even when some aspect of the data was unaccounted for. In contrast, the conditional SGDDM (SGDDMC), LR, and LRT were generally sensitive to the underspecifications investigated in this work on all outcomes considered. Although the proportions of extreme PPP-values for these functions tended to increase in null situations for non-normal data, this behavior may have reflected the true misfit that resulted from the specification of normal prior distributions. Importantly, the LR and the SGDDMC to a greater extent exhibited some potential for untangling the sources of data-model misfit. Owing to connections of growth curve models to the more fundamental frameworks of multilevel modeling, structural equation models with a mean structure, and Bayesian hierarchical models, the results of the current work may have broader implications that warrant further research. / Dissertation/Thesis / Doctoral Dissertation Educational Psychology 2015

A mudança de comportamento dos consumidores através do advento da tecnologia e das redes sociais gera um grande empoderamento dos mesmos, alterando substancialmente a forma de relacionamento das empresas com seu público final. Atentas a este mercado, as empresas de mídia passam por profundas mudanças, tanto do ponto de vista da entrega de conteúdo ao seu público, quanto no seu formato administrativo, estratégico e financeiro. Sendo assim, a presente dissertação apresenta abordagens apoiadas em técnicas multivariadas para composição de equipes comerciais e de remuneração dos times de venda de uma empresa de comunicação. No artigo 1, objetiva-se gerar um modelo para estimar a premiação comercial das equipes de venda das rádios do Grupo RBS. Para tanto, inicialmente geram-se agrupamentos das emissoras de rádio do Grupo RBS no estado do Rio Grande do Sul e de Santa Catarina com base nos seus perfis de similaridades. Para cada cluster gerado, gera-se uma regressão linear múltipla da premiação comercial validado através de validação cruzada por intermédio do R2 ajustado e Mean Absolute Percentage Error (MAPE). O segundo artigo aborda a clusterização dos top clientes do Grupo RBS e o impacto na composição das equipes comerciais por meio do método da seleção de variáveis. As 7 variáveis originais foram avaliadas através do método de seleção de variáveis “Omita uma variável por vez”; o melhor Silhouette Index (SI) médio, métrica utilizada para avaliar a qualidade dos agrupamentos gerados, foi obtido quando 3 variáveis foram retidas. Os agrupamentos gerados por tais variáveis refletem o comportamento de compra de mídia dos clientes; os agrupamentos foram considerados satisfatórios quando avaliados por especialistas do Grupo RBS. / The change in the behavior of consumers with the advent of technology and social networks generates a great empowerment of themselves, substantially altering the relationship form of companies to their final audience. Attentive to this market, media companies undergo profound changes, both from the point of view of delivering content to their audience, as well as in their administrative, strategic and financial format. Thus, the present dissertation presents approaches supported by multivariate techniques for the composition of commercial and remuneration teams of the sales group of a communication company. In article 1, the objective is to generate a model to estimate the commercial awards of the sales teams of the RBS Group radios. To do this, we initially generate groupings of radio stations from the RBS Group in the state of Rio Grande do Sul and Santa Catarina based on their profiles of similarities. For each cluster generated, a multiple linear regression of the commercial award is generated, validated through cross validation through the adjusted R2 and Mean Absolute Percentage Error (MAPE). The second article addresses the clustering of RBS Group top clients and the impact on the composition of business teams through the variable selection method. The original 7 variables were evaluated through the variable selection method "Omit one variable at a time"; the best Silhouette Index (SI) average, metric used to evaluate the quality of the generated clusters, was obtained when 3 variables were retained. Clusters generated by such variables reflect customers' buying behavior of media; the clusters were considered satisfactory when evaluated by RBS Group experts.

CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.

Tendo como referencial teórico abordagens focadas na Arqueologia Marítima (MUCKELROY, 1978; ADAMS, 1998, 2002), na Antropologia Marítima (MALINOWSKI, 1986 [1922]; DIEGUES, 1998) e em estudos de Percepção Ambiental (INGOLD, 2000), buscou-se desenvolver e testar a hipótese de que, embora houvesse uma unidade cultural que permitisse o estabelecimento de uma ampla sociedade sambaquieira, os povos dos sambaquis estariam organizados em comunidades costeiras regionais, as quais teriam se desenvolvido e se organizado em diferentes comunidades marítimas, costeiras e fluviais, em conseqüência dos diferentes modos com que eles se relacionariam (dialeticamente) com o ambiente. Para sustentar tal hipótese foi elaborado um modelo de predição de sítios submersos e realizadas análises da composição isotópica do estrôncio (HÖLZL, 1997; PRICE et al., 2000; BENTLEY et al, 2003; HODELL, 2004), do carbono e do oxigênio (KEITH, 1964; COSTA, 2000; MIZUTA, 2007) presentes (em amostras de conchas e ossos humanos) em sambaquis localizados ao longo do médio e baixo Vale do Ribeira, bem como em sítios do litoral central (Baixada Santista e Bertioga) e norte do estado de São Paulo (Ubatuba). Essas evidências foram correlacionadas à abordagem teórica através de uma proposta elaborada a partir do estudo dos processos de formação do registro arqueológico desenvolvidos por Schiffer (1972). Com base nessas análises, além de diferenciar os povos do médio Ribeira dos sambaquieiros do litoral, foi possível, entre outras, propor uma fronteira cultural entre os conjuntos de sítios do litoral sul/centro do estado de São Paulo e os sambaquis do litoral norte de São Paulo/sul do Rio de Janeiro. Especificamente em relação aos sambaquis de Cananéia, a análise isotópica das conchas evidenciou, ainda, que os locais e os propósitos da coleta estariam mais relacionados a aspectos culturais do que à simples exploração dos recursos mais abundantes. / Using as theoretical reference approaches focused on the Maritime Archaeology (MUCKELROY, 1978; ADAMS, 1998, 2002), on the Maritime Anthropology (MALINOWSKI, 1986 [1922]; DIEGUES, 1998) and on studies of Environmental Perception (INGOLD, 2000), we tried to develop and test the hypothesis that, notwithstanding the evidence of a cultural unity that allowed for the establishment of an ample shellmound society, people of the shellmounds were organized in regional coastal communities. These would have developed and organized in different maritime communities, both coastal and fluvial, in consequence of the different ways in which they (dialectically) related with the environment. To support such hypothesis a model was elaborated predicting underwater sites, an analyses was realized of the isotopic composition of strontium (HÖLZL, 1997; PRICE et al., 2000; BENTLEY et al, 2003; HODELL, 2004), of carbon and of oxygen (KEITH, 1964; COSTA, 2000; MIZUTA, 2007) present (in samples of shells and human bones) in shellmounds located along the medium and low Vale do Ribeira, as well as in sites at the central coast (Baixada Santista and Bertioga) and north (Ubatuba) of the state of São Paulo. The evidences were correlated to the theoretical approach through a proposal elaborated from the study of the formation processes of the archaeological record developed by Schiffer (1972). Based on these analyses, beyond differentiating the people from the medium Ribeira from the coastal shellmound people, it became possible, among other things, to propose a cultural borderline between the ensembles of sites of the south/center coast of São Paulo and the shellmounds of northern São Paulo and southern Rio de Janeiro. Specifically with regard to the shellmounds of Cananéia, the isotopic analysis of shells evinced, yet, that the locals and goals of collecting were more related to cultural aspects than to the simple exploration of the more abundant resources.

La gestion de sols ou sédiments contaminés par des métaux nécessite de pouvoir prédire la migration de ces métaux, dont la mobilité dépend des propriétés de transport du milieu ainsi que de la réactivité chimique de celui-ci (principalement réactions sorption/désorption). Pour étudier l'adsorption des cations métalliques (majeurs et traces) en condition dynamique, des expériences de transport en colonne ont été réalisées avec un sol pauvre en minéraux carbonatés et en matière organique. Considérant que la réactivité de ce sol était due essentiellement à la phase argileuse smectitique, un modèle d'adsorption basé sur les propriétés de rétention de la montmorillonite du Wyoming, utilisant la théorie des échangeurs d'ions multi-sites a été intégré à un code de transport 1D. Les prédictions calculées par ce modèle ont ensuite été comparées aux courbes de percées mesurées dans cette étude et reportées de la littérature. L'étude sur le transport réactif des cations majeurs a mis en évidence le rôle significatif des protons (et ce même à des pH proche de la neutralité), et a permis de valider le modèle pour le transport compétitif des cations majeurs (Na et Ca). Cependant, l'étude de la rétention de Zn(II) a mis en évidence une incohérence entre les résultats issus des expériences batch et ceux obtenus avec les expériences colonne, que l'on pourrait attribuer à la contribution d'une autre phase adsorbante (illite). Néanmoins, le modèle d'adsorption proposé a permis de reproduire avec une bonne satisfaction des données expérimentales de rétention de Zn(II) proposées dans la littérature et obtenues avec des expériences colonne. / Management of soils or sediments contaminated by metals requires to predict the migration of metallic cations, whose mobility depends both on the transport properties of the medium and chemical reactivity of the system (principally sorption/desorption reactions). To study the sorption of metallic cations (major and trace) in dynamic condition, transport experiments using columns have been carried out with a soil poor in carbonated minerals and organic matter. Considering that the reactivity of this soil was mainly due to swelling clay minerals, a sorption model based on the sorption properties of the Wyoming montmorillonite and built according to a multi-site ion exchanger theory has been integrated into a 1D transport code. The predictions given by this model were then compared with the breakthrough curves measured in this study and those reported in the literature. The study of the reactive transport of major cations highlighted the significant role of protons (even at near neutral pH), and validated the model for major cations (Na and Ca). However, the study concerning Zn (II) showed a discrepancy between the results obtained from batch experiments and those issued from column experiments, which could be attributed to the contribution of another sorbent phase (illite). Finally, the proposed sorption model allowed reproducing with a good confidence experimental data reported from literature for sorption of Zn (II) in dynamic conditions.

Le développement du modèle prédictif E-PPR78, basé sur une méthode de contribution de groupe, a été entrepris depuis plus de dix ans pour prédire le comportement de systèmes multiconstituants. Ce modèle repose sur l'équation d'état de Peng-Robinson dans sa version de 1978 et les règles de mélanges de Van der Waals. Il utilise un seul paramètre d'interaction binaire, kij, qui dépend de la température. Afin de permettre au modèle E-PPR78 de prédire le comportement du gaz naturel, trois nouveaux groupes sont ajoutés : le monoxyde de carbone, l'hélium et l'argon. Pour cela, il a été nécessaire de former une base de données expérimentales la plus large possible contenant les mesures d'équilibres de phase et d'enthalpies de mélange pour les systèmes binaires constitués par ces trois groupes ainsi que ceux définis dans les études précédentes et présents dans le gaz naturel. Après une description de la classification des diagrammes de phase de Van Konynenburg et Scott, le modèle E-PPR78 est présenté. La troisième partie est consacrée à l'ajout des trois nouveaux groupes au sein du modèle. Les résultats sont obtenus avec une précision satisfaisante. Il apparaît clairement que le modèle E PPR78 est capable de prédire le comportement du gaz naturel dans des conditions de températures et de pressions particulièrement larges / The development of the predictive E-PPR78 model, based on a contribution group method, has been undertaken since ten years to predict accurately the behaviour of multi-component systems. This model lies on the Peng-Robinson equation of state with classical Van der Waals mixing rules. It uses a unique binary interaction parameter, kij, which is temperature dependant. To enable the E-PPR78 model to predict the behavior of natural gases, three new groups are added: carbon monoxide, helium and argon. It was necessary to build an experimental database, as exhaustive as possible, containing phase equilibrium and enthalpies of mixing data for binary systems formed by these groups and those defined in previous studies and present in natural gases. After a description of the classification scheme of Van Konynenburg and Scott, the E-PPR78 model is described. The third part is about the addition of the three new groups to the model. It clearly appears that the E-PPR78 model is able to predict the fluid-phase behavior of natural gases over wide ranges of temperatures and pressures