Dissertação

Development and optimization of models to support clinical coding EVALUATED

Grupos de diagnósticos homogéneos (GDHs) correspondem a um sistema de classificação de grande importância para o financiamento de instituições de saúde. Este sistema de classificação de grupos de pacientes com semelhanças do ponto de vista do consumo de recursos e de duração de internamento hospitalar é utiliza atualmente em todos os hospitais em Portugal, para definir alocações orçamentais para o internamento em hospitais do Serviço Nacional de Saúde Português. Esta tese explora a previsão de GDHs através de dados estruturados de registos de saúde eletrónicos (RSEs). Especificamente, desenvolve uma abordagem de aprendizagem automática através do uso de modelos de regressão logística para prever GDHs. A abordagem proposta foi aplicada a uma base dados com 5089 observações de internamento do Hospital Fernando Fonseca. Adicionalmente, aplicou-se á base de dados um filtro de mínima redundância e máxima relevância, de modo a recuperar os atributos mais importantes para cada um dos conjuntos de dados gerados. Cada um dos conjuntos de dados foi aplicada uma série de experiencias de modo a encontrar a combinação de variáveis que apresentava os melhores valores para as medidas de desempenho de sensibilidade e valor preditivo positivo. Os resultados variaram entre os GDHs previstos, com diferentes variações dos modelos a contribuírem para um melhor desempenho dos modelos de GDHs distintos. Para a maioria dos DRGs, os melhores modelos apresentaram valores elevados de sensibilidade e valores baixos para o valor preditivo positivo. Os resultados sugerem que vale a pena explorar o uso de dados estruturados de RSEs para prever DRGs.
Grupos de Diagnósticos Homogéneos, Registos de Saúde Eletrónicos, Serviço Nacional de Saúde Português, Aprendizagem Automática, Dados Estruturados, Filtro mRMR.

Novembro 30, 2015, 9:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Filipe Janela

Siemens

Especialista

ORIENTADOR

Mónica Duarte Correia de Oliveira

Departamento de Engenharia e Gestão (DEG)

Professor Associado