Diferentes abordagens de Subamostragem para Balanceamento da Base de Dados aplicados ao estudo de caso da Classificação de Absenteísmo de Pacientes Clínicos

• Lucas V. Darós ProPECAut Instituto Federal do Espírito Santo
• Karin S. Komati ProPECAut Instituto Federal do Espírito Santo
• Leandro C. Resendo ProPECAut Instituto Federal do Espírito Santo

DOI: https://doi.org/10.5753/ersirj.2018.4655

Resumo

Dentre os diversos problemas enfrentados por clínicas e consultórios médicos, destaca-se o não comparecimento (no-show) de pacientes aos seus exames agendados. Em um cenário com alto volume de dados, onde a análise de perfis de paciente torna-se uma tarefa não escalável para ser feita de forma manual, foi proposto um método de amostragem de dados para o auxiliar o trabalho dos algoritmos de classificação de pacientes, a fim de predizer pacientes que irão ou não comparecer aos exames baseados em dados de consultas e pacientes previamente obtidos. Na análise, as técnicas de aprendizado de máquina para a classificação foram aplicadas em uma amostragem balanceada feita de forma aleatória e utilizado o método proposto. Os resultados indicam que o método proposto foi crucial para um bom resultado da classificação.