Dissertação

{en_GB=MedClick: Last Minute Medical Appointments No-Show Management} {} EVALUATED

{pt=Um dos fenómenos que tem vindo a reduzir a eficiência do setor da saúde, é a ocorrência de no-shows. Quando um paciente falta a uma consulta médica sem aviso prévio, não só desperdiçará os recursos da clínica como também negará serviço médico a outro paciente que poderia ter beneficiado do respectivo horário. Este artigo descreve a pesquisa que foi desenvolvida no contexto da MedClick, uma plataforma online que visa a aumentar a eficiência dos serviços médicos portugueses. A solução suporta a redução de no-shows através do preenchimento das vagas de última hora juntamente com a previsão da sua ocorrência, na qual foram utilizadas técnicas de aprendizagem supervisionada. Para este último passo, foi implementado um algoritmo de classificação que é capaz de prever se o paciente irá faltar, com base em atributos que provaram ter impacto na sua decisão. A fim de reduzir a ocorrência de no-shows, o sistema enviará notificações de forma a relembrar os pacientes que tenham uma consulta agendada para breve, na qual estes devem confirmar a sua presença. A sua resposta será depois considerada durante a respectiva previsão de no-show, que será feita alguns dias antes da consulta de forma a garantir que sobra tempo suficiente para encontrar um substituto, caso necessário. O algoritmo de classificação utilizado foi escolhido com base numa análise comparativa entre vários algoritmos. Nesta análise foi utilizada 10-fold cross-validation e o algoritmo que demonstrou ter os melhores resultados foi o Gradient Boosting. , en=A no-show is one of the phenomena that leads to an efficiency decrease in various sectors, including in the health care sector. When a scheduled patient misses an appointment without cancelling, it will not only waste the clinic’s resources, but it will also deny medical service to another patient who could have benefited from the respective time slot. This paper describes the research that has been developed in the context of MedClick, an online platform that aims to help medical service providers increase the efficiency of their practices. The solution supports the reduction of no-shows by using supervised learning techniques to predict their occurrence and also by finding replacements to fulfill last-minute vacancy slots. The prediction is performed using a classification algorithm that computes the probability of no-show for each patient based on features that have shown to influence his decision, such as the waiting time, the day of the appointment and the number of previous no-shows. These and other features were extracted from two distinct healthcare datasets that were considered in this research. To reduce the occurrence of no-shows, the system sends reminders and then, the prediction of no-show is performed enough days before each appointment so that there is still enough time to find a replacement, if necessary. In order to select the most suitable classification algorithm for this research, a 10-fold cross-validation was used to compare some of the most commonly used algorithms, in which the Gradient Boosting proved to have the best performance. }
{pt=No-show, Sector da Saúde, Aprendizagem Supervisionada, Algoritmo de Classificação, Validação Cruzada, en=No-show, Health Care, Supervised Learning, Classification Algorithm, 10-Fold Cross Validation}

Junho 7, 2019, 9:0

Orientação

ORIENTADOR

André Ferreira Ferrão Couto e Vasconcelos

Departamento de Engenharia Informática (DEI)

Professor Auxiliar