Uma Análise na Classificação de Risco em Hospitais de Pronto Atendimento
Resumo
O presente trabalho apresenta um estudo de caso sobre o uso da técnica de mineração com a classificação de risco em um hospital público de pronto atendimento. Atualmente, o hospital utiliza o padrão de acolhimento proposto pelo (Sistema Único de Saúde), onde busca priorizar os casos mais graves para agilizar seu atendimento. O sistema, com base em parâmetros, sugere uma classificação ao paciente e cabe ao responsável pela classificação concordar ou não com a sugestão, podendo assim mudar a classificação do paciente. O trabalho consiste em interpretar os padrões de classificação dos pacientes, para que assim possam ser otimizados as etapas de classificação, de modo que a triagem, que atualmente necessita de quatro etapas, possa chegar a um resultado ao enfermeiro sem a necessidade de informar os qualificadores da classificação, diminuindo o tempo de atendimento e os riscos do paciente, bem como tornar a forma de sugestão da classificação mais próxima do que o enfermeiro classifica. Durante a execução deste trabalho foi possíıvel observar uma divergência muito grande em relação a sugestão do sistema com relação à classificação registrada pelo enfermeiro. O resultado encontrado com as regras obteve uma acurácia de 80%.
Referências
Baeza-Yates, R. and Ribeiro-Neto, B. (2013). Recuperação de Informação - Conceitos e Tecnologia das Maquinas de Busca . Bookman, 2a. edition.
dos Santos, E.á. (2014). Acolhimento com classificação de risco. http://www.pbh.gov.br/smsa/biblioteca/protocolos/ AcolhimentoClassificacaodeRiscodasUpasdeBH.pdf.
Farias, E. P. (2013). Uso de sistema especialista no auxílio ao diagnostico por meio de escalas de apoio a enfermagem.` https://repositorio.uninove.br/xmlui/ handle/123456789/525?show=full.
Junior, J. A. B. (2012). Implantaçáo do sistema acolhimento com classificação e avaliação de risco e uso do fluxograma analisador. Texto & Contexto - Enfermagem, 21(1).
Lichtenstein, F. (2011). Sistemas de apoio a decisão baseados em diretrizes interpretadas por computador: um breve historico e outros tópicos. Journal of Health Informatics, 3(4).
Medeiros, A. R. C. (2014). Modelo de suporte a decisão aplicado a identificação de indivíduos nao aderentes ao tratamento anti-hipertensivo. Saude em debate (SCIELO), 38(100).
Ministerio da Saúde (2002). Portaria no 2048, de 5 de novembro de 2002. http://bvsms.saude.gov.br/bvs/saudelegis/gm/2002/prt2048_ 05_11_2002.html.
Quinlan, R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.
Russell, S. and Norvig, P. (2004). Inteligencia artificial . Campus, Rio de Janeiro.
Sellmer, D. (2013). Sistema especialista para apoiar a decisao na terapia tópica de úlceras venosas. Revista Gaucha de Enfermagem , 34(2).
Servin, S. C. N. (2014). Protocolo de acolhimento com classificação de risco. http://bvsms.saude.gov.br/bvs/publicacoes/protocolo_ acolhimento_classificacao_risco.pdf.
Talon, A. F. (2013). Inteligencia artificial aplicada a medicina.` http://www. fatecbauru.edu.br/ojs/index.php/CET/article/view/76/70.
Tan, P.-N. (2009). Introdução ao data mining . Rio de Janeiro.
Teixeira, M. J. C. (2012). Os contributos dos sistemas de apoio a tomada de decisão para a pratica de enfermagem. Journal of Health Informatics, 4(2).
Tenorio, J. M. (2011). Sistemas de apoio a decisões clínicas, inteligencia artificial, gastroenterologia. Journal of Health Informatics, 3(1).
WEKA (2015). Weka 3: Data mining software in java. http://www.cs.waikato. ac.nz/ml/weka/.
