Submitted by Renata Galdino Rocha e Silva (renatagrs@hotmail.com) on 2016-11-09T18:51:03Z
No. of bitstreams: 1
Dissertação - Final- Renata Galdino v22 09112016.pdf: 5061207 bytes, checksum: 4dd6980b0cbefdfd51254bc5f6025d67 (MD5) / Approved for entry into archive by GILSON ROCHA MIRANDA (gilson.miranda@fgv.br) on 2016-11-22T17:46:11Z (GMT) No. of bitstreams: 1
Dissertação - Final- Renata Galdino v22 09112016.pdf: 5061207 bytes, checksum: 4dd6980b0cbefdfd51254bc5f6025d67 (MD5) / Made available in DSpace on 2016-12-07T11:31:50Z (GMT). No. of bitstreams: 1
Dissertação - Final- Renata Galdino v22 09112016.pdf: 5061207 bytes, checksum: 4dd6980b0cbefdfd51254bc5f6025d67 (MD5)
Previous issue date: 2016-05-31 / Healthcare sector analyses have proven that a small portion of individuals with chronic conditions consume the majority of the resources needed for the treatment of these conditions. Therefore, to achieve the industry’s primary objectives of providing healthcare, reducing costs and improving the patients’ overall wellness, the Brazilian healthcare system should employ proactive models of intervention regarding patients who are very likely to become high-cost. Approaches focusing on specific populations and data quality allow decision makers to have a clear comprehension of the needs presented by each specific group - groups are established as per industry practice - and to plan actions oriented toward cost reduction and improved quality of the services provided. This study aims to assess a risk modelling strategy for predicting which specific types of patients are likely to become high-cost individuals in the Brazilian healthcare system. Such modeling is comprised by Health Analytics Strategies that characterize the global insurance industry and seeks to identify potentially high-cost patients by using data mining techniques, historical data and predictive analysis. / Análises do setor de saúde têm confirmado que uma pequena parcela de indivíduos com condições crônicas consome a maior parte dos recursos destinados ao tratamento destas doenças. Neste sentido, para alcançar os objetivos básicos do setor de melhorar a qualidade, reduzir os custos e melhorar a experiência do paciente, o sistema de saúde deve focar-se em modelos orientados à atuação proativa com foco em intervenção nos pacientes que possuem maior risco de migração para o grupo de alto custo. Abordagens focadas em populações específicas e com informações íntegras permitem que os tomadores de decisão entendam as necessidades de acordo com cada grupo avaliado e planejem ações direcionadas, de forma a reduzir custos e melhorar a qualidade dos serviços prestados. Desta forma, este trabalho visa efetuar um estudo sobre estratégia de modelagem de riscos para predição de pacientes de alto custo no sistema de saúde brasileiro. Tal modelagem faz parte da estratégia de Health Analytics dos principais grupos seguradores globais e busca, mediante uso de técnicas de mineração de dados e análises preditivas, a identificação de pacientes de alto custo para o ano seguinte com base no histórico de informações.
Identifer | oai:union.ndltd.org:IBICT/oai:bibliotecadigital.fgv.br:10438/17557 |
Date | 31 May 2016 |
Creators | Silva, Renata Galdino Rocha e |
Contributors | Gonçalves, Edson Daniel Lopes, Souza, Giuliano Carroza Uzêda Iorio de, Escolas::EPGE, FGV, Santos, Rafael Chaves |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional do FGV, instname:Fundação Getulio Vargas, instacron:FGV |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds