Uso de Machine Learning em abordagem preditiva para internações em idosos atendidos em uma unidade de urgência
Tipo de documento
Artigo
Descrição
Documento publicado no Jornal Brasileiro de Auditoria em Saúde (JBAS)
Fonte
JBAS
Ano de publicação
2022
Referência (Vancouver)
Machado FP. Uso de Machine Learning em abordagem preditiva para internações em idosos atendidos em uma unidade de urgência. JBAS [Internet]. 2022 set;2(2). Disponível em: https://jbas.com.br/capa-2022-2/
Use of Machine Learning in a predictive approach for hospitalizations of elderly patients treated in an emergency unit
Document type
Article
Description
Document published in the Jornal Brasileiro de Auditoria em Saúde (JBAS)
Source
JBAS
Year of publication
2022
Reference (Vancouver)
Machado FP. Uso de Machine Learning em abordagem preditiva para internações em idosos atendidos em uma unidade de urgência. JBAS [Internet]. 2022 set;2(2). Available from: https://jbas.com.br/capa-2022-2/
A disparidade entre oferta e demanda de recursos no sistema de saúde é um problema mundial que gera a escassez de leitos de internação e a demanda crescente de internações. Neste contexto, predizer quais pacientes serão admitidos e quais receberão alta hospitalar é de grande importância. O aprendizado de máquina (AM) oferece uma opção automatizada em relação a triagem realizada de maneira manual, que permite, em tempo real, predizer qual a probabilidade de admissão destes pacientes. O objetivo principal deste trabalho foi desenvolver um algoritmo de inteligência artificial baseado em aprendizado de máquina que permita predizer admissão hospitalar de pacientes no momento da triagem, bem como avaliar o desempenho do algoritmo desenvolvido. A metodologia envolveu a coleta sistemática de dados de pacientes com média de idade de 63 anos no período entre 14 de setembro de 2015 e 18 de março de 2018, contabilizando 177.578 casos observados. Sobre esses dados foram utilizadas correções para dados desbalanceados, além das técnicas habituais de AM. O modelo desenvolvido foi capaz de predizer admissão hospitalar com acurácia, sensibilidade e especificidade de 78%, 79% e 73%, respectivamente. Essa abordagem, realizada de forma inédita no Brasil em um serviço privado especializado em atendimento de idosos, apresentou resultados promissores que merecem ser estendidos para outros serviços.
O registro foi originalmente publicado no idioma nativo em Português. As traduções foram geradas por inteligência artificial para o idioma Inglês.
Abstract
The disparity between supply and demand of resources in the health system is a global problem that generates a shortage of hospital beds and a growing demand for hospitalizations. In this context, predicting which patients will be admitted and which will be discharged is of great importance. Machine learning (ML) offers an automated alternative to manual triage, which allows, in real time, predicting the probability of admission of these patients. The main objective of this work was to develop an artificial intelligence algorithm based on machine learning that allows predicting hospital admission of patients at the time of triage, as well as to evaluate the performance of the developed algorithm. The methodology involved the systematic collection of data from patients with an average age of 63 years between September 14, 2015 and March 18, 2018, accounting for 177,578 observed cases. Correction for imbalanced data was used on these data, in addition to the usual ML techniques. The model developed was able to predict hospital admission with accuracy, sensitivity and specificity of 78%, 79% and 73%, respectively. This approach, carried out for the first time in Brazil in a private service specializing in elderly care, presented promising results that deserve to be extended to other services.
