Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2019-03-22T15:48:30Z
No. of bitstreams: 1
Gabriel Souto Fischer_.pdf: 6896303 bytes, checksum: 94fdcc73f442a52096c513cfec8e03f1 (MD5) / Made available in DSpace on 2019-03-22T15:48:30Z (GMT). No. of bitstreams: 1
Gabriel Souto Fischer_.pdf: 6896303 bytes, checksum: 94fdcc73f442a52096c513cfec8e03f1 (MD5)
Previous issue date: 2019-02-28 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os hospitais são pontos de atendimento extremamente importantes para garantir o tratamento adequado da saúde humana. Um dos principais problemas a serem enfrentados são as filas de atendimento aos pacientes cada vez mais superlotadas, que fazem com que os pacientes fiquem cada vez mais tempo com problemas de saúde sem tratamento adequado. A alocação de profissionais de saúde em ambientes hospitalares não é capaz de se adaptar à demanda de pacientes, e há momentos em que salas com pouco uso têm profissionais ociosos, e salas com muito uso acabam tendo menos profissionais do que o necessário. Os trabalhos anteriores acabam não resolvendo o problema, uma vez que se concentram em maneiras de automatizar o tratamento da saúde, mas não em técnicas para melhorar a alocação de recursos humanos disponíveis. Neste contexto, o presente trabalho propõe o ElHealth, um modelo focado na IoT capaz de identificar o uso das salas pelos pacientes e, através de técnicas de predição computacional, identificar quando uma sala terá uma demanda que excede a capacidade de atendimento, propondo ações para movimentar os recursos humanos para se adaptar à demanda futura de pacientes. As principais contribuições do ElHealth são a definição da Elasticidade Preditiva Multinível de Recursos Humanos, uma extensão do conceito de elasticidade de recursos em Cloud Computing para gerenciar o uso de recursos humanos em diferente níveis de um ambiente hospitalar, e a definição do Speedup Elástico Proativo de Recursos Humanos, uma extensão do conceito de Speedup da computação paralela para identificar o ganho de tempo de atendimento com o uso paralelo dinâmico de recursos humanos para atendimento em um ambiente hospitalar. O ElHealth foi simulado em ambiente hospitalar utilizando dados de uma policlínica brasileira e obteve resultados promissores, sendo capaz de diminuir a quantidade média de pacientes aguardando e reduzir o tempo de espera por atendimento no ambiente proposto. / Hospitals are extremely important care points for ensuring the proper treatment of human health. One of the main problems to be faced is the increasingly overcrowded patient care queues, who end up getting more and more time with health problems without proper treatment. The allocation of health professionals in hospital environments is not able to adapt to the demands of patients, and there are times when rooms with little use have idle professionals, and rooms with a lot of use having fewer professionals than necessary. Previous works end up not solving the problem since they focus on ways to automate the treatment of health, but not on techniques for better allocating available human resources. Against this background, the present work proposes ElHealth, an IoT-focused model able to identify patients’ use of the rooms and, through data prediction techniques, to identify when a room will have a demand that exceeds the capacity of care, proposing actions to move human resources to adapt to future patients demand. The main contribution of ElHealth is the definition of Multi-level Predictive Elasticity of Human Resources, an extension of the concept of resource elasticity in Cloud Computing to manage the use of human resources at different levels of a healthcare environment, and the definition of Proactive Human Resource Elastic Speedup, an extension of the Speedup concept of parallel computing to identify the gain of medical care time with the dynamic parallel use of human resources for care in a hospital environment. ElHealth was simulated a hospital environment using data from a Brazilian polyclinic, and obtained promising results, being able to decrease the average number of patients waiting, and reduce waiting time for care in the proposed environment.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.jesuita.org.br:UNISINOS/7697 |
| Date | 28 February 2019 |
| Creators | Fischer, Gabriel Souto |
| Contributors | http://lattes.cnpq.br/2332604239081900, Righi, Rodrigo da Rosa |
| Publisher | Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em Computação Aplicada, Unisinos, Brasil, Escola Politécnica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UNISINOS, instname:Universidade do Vale do Rio dos Sinos, instacron:UNISINOS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds