Sistemas para a inteligência do negócio adaptativos em saúde - gestão de doentes

Abstract

A má planificação dos recursos nas entidades hospitalares consiste num fator comprometedor da qualidade do serviço prestado e da saúde financeira dos mesmos. Tal acontece devido a uma falta de planos que implementem uma boa gestão e previsão do fluxo de doente tendo uma otimização da alocação dos recursos condizente, permitindo melhorar a eficiência de serviço e uma minimização nos seus custos. Nesta dissertação o projeto consiste na análise dos dados relativos a pacientes, suas admissões e recursos alocados na prestação de serviço do Centro Hospitalar do Tâmega e Sousa. Com uma análise posterior, são definidos e implementados dois tipos de modelos, primeiramente um conjunto de modelos de Machine Learning que nos permitam prever o fluxo temporal de admissão dos pacientes, seguido da implementação de modelos de otimização lógica para a gestão de recursos, mais concretamente a alocação ótima das camas que responda eficientemente às necessidades da unidade hospitalar tendo em consta o fluxo de doentes previsto. Após a implementação bem-sucedida destes modelos, é realizada uma integração dos mesmos numa plataforma ABI (Adaptative Business Intelligence) permitindo a gestão e otimização em tempo real.

Poor planning of hospital resources is a compromising factor for the quality of the service provided and their financial health. This happens due to a lack of plans that implement good management and forecast of patient flow, having a consistent optimization of the allocation of resources, allowing to improve the efficiency of the service and minimization of its costs. In this dissertation, the project consists of the analysis of data related to patients, their admissions, and resources allocated in the service provision of the Tâmega e Sousa Hospital Center. With further analysis, two types of models are defined and implemented, firstly a set of Machine Learning models that allow us to predict the temporal flow of patient admissions, followed by the implementation of logical optimization models for resource management, more specifically the optimal allocation of beds that efficiently meet the needs of the hospital unit considering the expected flow of patients. After the successful implementation of these models, they are integrated into an ABI platform (Adaptive Business Intelligence) allowing this management and optimization in real-time.