FenixEdu™

Dissertação

Towards predicting waiting times in Hospital Emergency Rooms EVALUATED

Detalhes: A previsão dos tempos de espera nas urgências hospitalares tem um grande impacto para os cidadãos. Decidir qual o hospital que devemos ir, numa altura específica do dia, pode mudar a forma como lidamos com momentos inesperados tanto nas nossas vidas como naquelas de quem nos é mais próximo. Para lidar com este problema, começamos por extrair dados do Serviço Nacional de Saúde para que possamos encontrar informação relevante em relação aos tempos de espera para atendimento nas emergências hospitalares na área de Lisboa. Depois, preparamos estes dados no contexto de análise de séries temporais, e fazemos exploração e análise, encontrando as primeiras evidências de um comportamento sazonal diário dos tempos de espera. No contexto de previsão, recorremos aos métodos tradicionais de análise de séries temporais como o modelo ARIMA e comparamos as suas performances para diferentes horizontes de previsão. Fazemos isto para dar resposta às preocupações do paciente e hospital. Por outras palavras, para o paciente, é mais provável que a previsão a curto prazo tenha mais impacto, enquanto que o hospital tem a necessidade de ter previsões num prazo maior para gerir melhor os seus recursos. De forma a lidar com o comportamento sazonal dos tempos de espera, usamos uma ferramenta de código aberto do Facebook, Prophet, que contém um modelo aditivo capaz de acomodar trends não lineares tendo em conta o período de sazonalidade. Finalmente, como primeira abordagem, dentro do contexto de modelos probabilísticos, usamos o Hidden Markov Model para capturar dinâmicas multimodais presentes na série temporal.
Keywords: tempos de espera, séries temporais, previsão, arima, modelos probabilísticos, hidden markov model

Discussão: outubro 12, 2020, 14:0