Uma Análise na Classificação de Risco em Hospitais de Pronto Atendimento
Abstract
The present paper presents a case study about the use of the mining technique with a risk classification in a public hospital of emergency service. The hospital uses the host standard proposed by the SUS (Brazilian Health System), where it seeks to prioritize the most serious cases to expedite its attendance. The system based on parameters suggest a classification to the patient and a supplier of correspondence classification agree or not with a suggestion and thus can change classification of the patient. This work consists of interpreting the patient classification patterns so that the classification steps can be optimized so that the screening that currently requires four steps can reach a result for the nurse without the need to inform the classification qualifiers by decreasing the time of care and the risks of the patient as well as to make the form of suggestion of the classification closer than the nurse classifies. During the execution of this study it was possible to observe a very great divergence in relation to the suggestion of the system in relation to the classification registered by the nurse. The result found with the rules obtained an accuracy of 80 %.
References
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/.
