Pós-processamento de padrões para identificação de beneficiários de alto custo em operadoras de saúde

• Main Author: Escobar, Leandro Fabian Almeida
• Other Authors: Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Programa de Pós-Graduação em Ciência, Gestão e Tecnologia da Informação
• Format: Others
• Language: Portuguese
• Published: 2015
• Subjects: Ciência da Informação; Administradores de saúde; Gerenciamento da informação; Mineração de dados (Computação); Processo decisorio; 658.4038
• Online Access: http://hdl.handle.net/1884/38207

Orientadora : Profª. Drª. Deborah Ribeiro Carvalho === Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Programa de Pós-Graduação em Ciência, Gestão e Tecnologia da Informação. Defesa: Curitiba, 26/03/2015 === Inclui referências : fls. 85-88 === Área de concentraçâo: Gestão da Informação e do conhecimento === Resumo: As operadoras de saúde armazenam grandes volumes de dados sobre procedimentos realizados por seus beneficiários e, na mesma medida que criam valiosas oportunidades, também geram dificuldades em analisar e interpretar os padrões contidos em tais bases de dados. A Mineração de Dados pode constituir uma alternativa para compensar tal deficiência, mas sua adoção e uso cotidiano no suporte à decisão na área da Saúde ainda são baixos. O problema de pesquisa abordado se relaciona ao baixo uso do processo de descoberta de conhecimento (KDD) na área e questiona-se até que ponto é possível fomentar sua adoção na rotina dos especialistas em Saúde. Assim, este trabalho apresenta um modelo que fomente o uso do KDD na rotina da gestão em Saúde, mediante a identificação de beneficiários de alto custo em operadoras de Saúde, avaliando sua aceitação junto a especialistas na área. Foram identificados os pontos de atenção recomendados na literatura para uso efetivo dos resultados do KDD na Saúde, o modelo foi elaborado e um protótipo foi desenvolvido com a capacidade de obter padrões e pós processálos, obentendo padrões de sequência de janelas temporais. Sua aceitação foi avaliada junto aos especialistas, tendo atingido 78% de aceitação. Destaca-se que todos os especialistas envolvidos concordam que o modelo é aplicável à sua rotina de trabalho. Conclui-se que a associação dos pontos de atenção para o uso da Mineração de Dados na Saúde e a atenção a requisitos específicos dos especialistas, mediante o desenvolvimento de um modelo que facilite a obtenção e a exploração em padrões minerados, se mostrou capaz de fomentar o uso do KDD na rotina em Saúde. Palavras chave: Descoberta de conhecimento; Mineração de Dados, Apoio à decisão em Saúde. === Abstract: Health insurance companies store large amounts of data on procedures performed over its beneficiaries and to the same extent that create valuable opportunities also lead to difficulties in analyzing and interpreting the standards contained in such databases. Data mining can be an alternative to compensate for this deficiency, but their adoption and use in everyday decision support in healthcare are still low. The research problem addressed is related to the low use of knowledge Discovery in data bases process (KDD) in the area and wonders to what extent it is possible to foster its adoption in experts routine. So, this researche presents a model that promotes the use of KDD in the routine management in Health, by identifying high-cost beneficiaries and evaluating its acceptance by the experts. Points of attention for the use of Data Mining in Health were identified in the literature for effective use of the results of KDD. A model and a prototype were developed with the capability of discovering patterns and post process into sequential and time frames patterns. Its acceptance was evaluated with the experts, reaching 78% of acceptance. It is noteworthy that all the experts involved agree that the model is applicable to their daily work. We conclude that the association of points of attention for the use of Data Mining in Health and attention to specific requirements of experts, by developing a model to facilitate the obtaining and exploring mined patterns, has been shown to promote the use of KDD in routine Health. Keywords: Knowledge discovery; Data Mining, Decision Support in Health.