Machine Learning aplicado a la atención domiciliaria para predecir las condiciones de muerte
| Autor: | Silva, Daniel Henrique Cordeiro, Timo, Elisa Maria do Nascimento |
|---|---|
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Research, Society and Development; Vol. 11 No. 14; e230111436078 Research, Society and Development; Vol. 11 Núm. 14; e230111436078 Research, Society and Development; v. 11 n. 14; e230111436078 Research, Society and Development Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
| ISSN: | 2525-3409 |
| Popis: | In home care processes, where multidisciplinary health teams take care of their patients at home, there are several challenges for resource management and remote monitoring, where, sometimes, resources are not used in main priority situations. The advent of technology, the availability of data in management systems and the new decision-making support tools bring enormous possibilities, financial return and greater comfort for patients and families. This work aims to present the application of machine learning, using the CRISP-DM methodology, to identify patients with a greater chance of hospitalization or to pass away at home. En los procesos de atención domiciliaria, donde los pacientes son atendidos en el domicilio por equipos sanitarios multidisciplinares, existen varios retos para la gestión y seguimiento a distancia, no siendo raros los casos en los que no se utilizan recursos en situaciones realmente prioritarias. El advenimiento de la tecnología, la disponibilidad de datos en los distintos sistemas de gestión, así como las nuevas herramientas de apoyo a la decisión, traen enormes posibilidades, retorno económico y mayor cumplimiento para pacientes y familiares. Este trabajo tiene como objetivo presentar la aplicación del aprendizaje automático, utilizando la metodología CRISP-DM, para identificar pacientes con mayor probabilidad de hospitalización o muerte en el hogar. Nos processos de atenção domiciliar, onde pacientes são cuidados em casa por equipes de saúde multidisciplinares, diversos são os desafios para o gerenciamento e monitoramento à distância, não sendo raros os casos em que os recursos não são empregados nas situações realmente prioritárias. O advento da tecnologia, a disponibilidade de dados nos diversos sistemas de gestão e bem como as novas ferramentas de suporte à tomada de decisão trazem enormes possibilidades, retorno financeiro e maior conforto para pacientes e famílias. Este trabalho tem o objetivo de apresentar a aplicação de aprendizado de máquina, utilizando-se da metodologia CRISP-DM, para identificação de pacientes com maior chance de hospitalização ou óbito domiciliar. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|