4 Marcelo Dalagassa

Propaganda
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’
Download