Ciências Empresariais (sem parte escolar) / Actualmente, a Medicina gera enormes quantidades de dados que nem sempre são devidamente analisados e explorados. É objectivo deste trabalho contribuir para o processo de extracção de conhecimento em dados na saúde, não só com a descoberta de novos conhecimentos, mas também com a definição e implementação de novas metodologias com relevância para a gestão hospitalar.
Para a obtenção de novos conhecimentos, foram investigados e aplicados métodos de data mining em dados hospitalares, incluindo técnicas de classificação, de regressão e de aglomeração. Para a definição de novas metodologias de extracção de conhecimento, foram analisadas e implementadas estratégias de classificação sensíveis aos vários custos, económicos e não económicos, normalmente associados a testes médicos. Na implementação destas novas estratégias foram utilizadas árvores de decisão modificadas para minimizar os custos.
Em termos de novos conhecimentos, os episódios com internamentos de longa duração têm diminuído ao longo dos anos, apesar de as taxas de readmissão e os internamentos de curta duração não terem aumentado e de o número de comorbilidades (diagnósticos secundários) ter aumentado. Os grandes hospitais têm mais episódios de longa duração do que os restantes, mesmo depois de ajustado às características dos doentes. Por outro lado, foi definida uma nova estratégia de aprendizagem e de utilização sensível a vários custos, incluindo um factor de risco associado a cada teste, custos de grupo e custos específicos a determinadas situações ou instantes. Na comparação com métodos tradicionais, não sensíveis aos custos, os resultados obtidos com a nova estratégia foram melhores, com custos globais mais baixos.
Os novos conhecimentos obtidos poderão ser importantes indicadores para determinadas análises de gestão e de planeamento hospitalar na medida em que podem indiciar maior eficiência, nomeadamente em relação aos tempos de internamento. A nova estratégia de aprendizagem e de utilização sensível aos custos procura ser ajustada à realidade e ao pensamento dos profissionais de saúde. Este trabalho conjuga vários tipos de custos com relevância na área da gestão em saúde, e sugere como estes poderão ser processados. / Today s medicine produces vast quantities of data that is not always properly analyzed and explored. The aim of this work is to contribute to the process of knowledge discovery in health, namely with the discovery of new, potentially useful, knowledge, and also with the definition and implementation of new methodologies relevant for hospital management.
New knowledge was achieved using data mining methods applied to hospital databases, including techniques from classification, regression and clustering. For the definition of new methodologies for knowledge extraction, cost-sensitive classification strategies were analysed and implemented, considering various economical and non-economical costs, usually present in medical tests. These new strategies were implemented using decision trees modified to account for cost minimization.
In our results, regards new knowledge, we note that exceptionally high lengths of stay (outliers) are decreasing over years, although readmission rates did not increase, low lengths of stay did not increase and the number of comorbidities (secondary diagnoses) increase. Large hospitals have significantly more outliers than other hospitals, even after adjustments for the patients characteristics. Concerning new methodologies, we defined a new strategy for learning and for utilization, sensible to various costs, including a risk factor for each test, group costs and other specific costs. We compared our new strategy with traditional, non cost-sensitive, approaches and obtained better results, with lower total costs.
In this study, we applied data mining techniques to medical data and we discovered new knowledge. This new knowledge can represent important indicators for some analysis in hospital management and planning, as they can point to more hospital efficiency, specifically regarding length of stay. Our cost-sensitive learning strategy aim to be adjusted to the real world as it includes costs commonly considered by health professionals. This work combines different relevant costs in the area of health management and suggests how these should be processed.
| Identifer | oai:union.ndltd.org:up.pt/oai:repositorio-aberto.up.pt:10216/7549 |
| Date | 14 December 2007 |
| Creators | Freitas, José Alberto da Silva |
| Publisher | Faculdade de Economia da Universidade do Porto, FEP |
| Source Sets | Universidade do Porto |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Tese |
| Format | application/pdf, application/pdf |
| Rights | openAccess |
Page generated in 0.0014 seconds