Novas Tecnologias para o Gerenciamento de DCNT´s Marcelo Rosano Dallagassa Novas Tecnologias para o Gerenciamento de DCNTS Cenário Atual – Dificuldades Conceito de Mineração de Dados Aplicações de Mineração de Dados para DCNTs Predição de Casos de Altíssimo Custo Apresentar os resultados obtidos Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Cenário Atual Aplicação de Novas Tecnologias Envelhecimento Populacional Aumento na Utilização de Serviços Figura 1 – Cenário Atual das Operadoras de Plano de Saúde (Miranda ,2003) Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Falta de Informação Adequada Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - KDD “É um processo não trivial para identificar padrões que sejam válidos e previamente desconhecidos, potencialmente úteis e compreensíveis, visando melhorar o entendimento do problema, possibilitando o auxilio no processo de tomada de decisões” (FAYYAD et al., 1996). A descoberta de uma informação preciosa que pode-se transformar em um conhecimento novo Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - KDD Métodos Descritivos Encontrar padrões compreensíveis por humanos para descrever os dados Métodos Preditivos Usar algumas variáveis para prever valores desconhecidos ou futuros de outras variáveis Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - KDD “[...] Em meados do século passado, por ocasião de uma epidemia de cólera em Londres, John Snow (1854), considerado o pai da epidemiologia, concluiu pela existência de uma associação causal entre a doença e o consumo de água contaminada por fezes de doentes [...]” (ROUQUAYROL, M.,2006). Figura 2- Análise Associativa – Relação Causa-Efeito – John Snow Figura 3 - Mapa de Londres – Bairro SOHO – Fonte da Broad Street Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - KDD “Os cientistas estão em busca da resposta para a alta incidência da síndrome de LiFraumeni. A explicação encontrada é que o gene com a mutação, que dá origem à síndrome, foi disseminado por um tropeiro português que circulou pelas regiões Sul e Sudeste no século XVIII” – Revista IstoÉ – Mais Vulnerável ao Câncer – Edição 2156 – 04.Mar.2011 Figura 4 - Mais Vulnerável ao Câncer – Fonte: Revista IstoE Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados – Questões. Como serão os custos assistenciais do próximo ano? Quais as Doenças que mais acometem os nossos Beneficiários? Será que trata-se de um caso de altíssimo custo? Como será o comportamento desse contrato nos próximos 6 meses? Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Aplicações DM - Regras de Estratificação da Carteira Figura 5 - Regras de Estratificação da Carteira Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - Categorização de DCNT´s Figura 6 - Metodologia para a Identificação de DCNTs (Dallagassa , 2009) Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - Categorização de DCNT´s Figura 7 - Regras de Identificação de DCNTs (Dallagassa , 2009) Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Mineração de Dados - Categorização de DCNT´s Figura 7 - Pesquisa Comparativa entre Empresa x Carteira Pré-Pagamento – Fonte: DW – Unimed Pr. Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Predição de Casos de Altíssimo Custo Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Predição de Casos de Altíssimo Custo Dado um conjunto de objetos, cada um associado com sua própria linha do tempo de eventos, encontrar regras que predigam fortes dependência sequenciais entre diferente eventos. Regras são formadas descobrindo inicialmente padrões. As ocorrências de eventos são governadas pelas restrições temporais. Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Predição de Casos de Altíssimo Custo Nº de pacientes = 195 Casos de altíssimo custo Eventos Realizados no Período de 2006 a 2011 Base de dados – Unimeds do Estado do Paraná Algoritmo ChronoAssoc Regras Descobertas Exame A Exame B Procedimento Consulta P.S. Regras Avaliadas e Selecionadas Exame A Exame B Procedimento Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Consulta P.S. Predição de Casos de Altíssimo Custo Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Predição de Casos de Altíssimo Custo Novas Tecnologias para o Gerenciamento de DCNTs \ Congresso Nacional Unimed Atenção Integral à Saúde / Florianópolis Predição de Casos de Altíssimo Custo Exame A Exame B Procedimento Regras Avaliadas e Selecionadas Exame A Consulta P.S. Predição de Casos de Altíssimo Custo - Prática 1 DW 2 Predição de Casos de Altíssimo Custo - Resultados MARCELO ROSANO DALLAGASSA [email protected] Algoritmo – Identificação de DCNTs Doenças Variável Cerebrovascular V Isquêmica do Coração X Hipertensão U Diabete R Neoplasia S Doenças Pulmonares Obstrutivas Crônicas T Psiquiátrica Y Renal Crônico Z Obesidade W Algoritmo – Identificação de DCNTs Se R>S & R>T & R>U & R>V & R>X & R>Y & R>Z & R>W Então ‘Diabetes’ Se não Se S>R & S>T & S>U & S>V & S>X & S>Y & S>Z & S>W Então ‘Neoplasias’ Se não Se T>R & T>S & T>U & T>V & T>X & T>Y & T>Z & T>W Então ‘DPOC ’ Se não Se U>R & U>S & U>T & U>V & U>X & U>Y & U>Z & U>W Então ‘Hipertensão’ Se não Se V>R & V>S & V>T & V>U & V>X & V>Y & V>Z & V>W Então ‘Cerebrovascular’ Se não Se X>R & X>S & X>T & X>U & X>V & X>Y & X>Z & X>W Então ‘Isquemica Coração’ Se não Se Y>R & Y>S & Y>T & Y>U & Y>V & Y>X & Y>Z & Y>W Então ‘Psiquiatricas’ Se não Se Z>R & Z>S & Z>T & Z>U & Z>V & Z>X & Z>Y & Z>W Então ‘Renal Crônica’ Se não Se W>R & W>S & W>T & W>U & W>V & W>X & W>Y & W>Z Então ‘Obesidade’ Se não ‘ Outras Doencas’