EVENTO
Framework para modelagem e mineração de jornadas de pacientes baseado em redes complexas
Tipo de evento: Seminário de Avaliação - Série A
A sequência de atendimentos e procedimentos realizados pelo paciente no sistema de saúde, denominada jornada ou trajetória do paciente, pode revelar informações importantes sobre o tratamento clínico adotado e o serviço de saúde prestado. Com o aumento no registro de dados de saúde de forma eletrônica, tornou-se possível o estudo das jornadas de um grande volume de pacientes. No entanto, surgiram também desafios sobre qual modelo usar para sintetizar e representar essas jornadas e de que modo extraí-las dos dados, fomentando um novo campo de pesquisa. Um dos desafios atuais da área é obter uma combinação de modelo e método que consiga identificar padrões relevantes em meio à variabilidade de jornadas, e representá-los levando em conta também a sequência temporal e outras perspectivas que afetam as trajetórias seguidas. Neste projeto propõe-se um novo framework para o estudo de jornadas de pacientes que consiste em (i) um modelo para representação de jornadas que retém diferentes perspectivas e a noção temporal dos eventos que ocorreram; (ii) um algoritmo de comparação de jornadas que pode ser usado para agrupar pacientes com comportamentos semelhantes; (iii) e um método de mineração de jornadas a partir dos dados de saúde, priorizando a representação dos eventos de maior importância. A modelagem é feita através de um grafo multi-aspecto (MAG) que preserva informações sobre as intervenções às quais cada paciente foi submetido, quais ocupações (profissionais) estiveram envolvidas no seu cuidado e quais unidades de saúde foram visitadas, além da ordenação dos eventos da jornada e do tempo decorrido entre eles. De fato, os intervalos temporais têm grande importância no tratamento de pacientes, de modo que, para agrupar comportamentos semelhantes, a comparação de jornadas não deve levar em conta apenas a sequência do que ocorreu, mas também quando cada evento foi realizado. As medidas de dissimilaridadeadotadas na literatura relacionada não incluem a informação temporal, portanto este trabalho contribui com um novo algoritmo de comparação de jornadas que leva em conta o tempo entre os eventos para calcular a dissimilaridade. Por fim, a estratégia de mineração proposta consiste em simplificar o MAG, mantendo os vértices (eventos) de maior relevância para o modelo de jornadas. Medidas tradicionais de centralidade de redes são aplicadas em subdeterminações específicas do MAG para identificar as intervenções, ocupações e unidades de saúde de maior impacto para o caso estudado. Esses valores definem a importância inicial dos vértices do MAG original (não subdeterminado). A importância final é calculada de modo a incorporar a influência do momento e do contexto de ocorrência de cada vértice, e é obtida através da execução do algoritmo PageRank. O framework proposto é aplicado à análise de trajetórias de gestantes e de pacientes diabéticos no município de São Paulo.Para assistir acesse:https://meet.google.com/wus-vspj-ynv
Data Início: 15/09/2023 Hora: 09:00 Data Fim: 15/09/2023 Hora: 12:00
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Virtual
Aluno: Caroline de Oliveira Costa Souza Rosa - - LNCC
Orientador: Alex Borges Vieira - Universidade Federal de Juiz de Fora - UFJF Antônio Tadeu Azevedo Gomes - Laboratório Nacional de Computação Científica - LNCC Marcia Ito - Centro Paula Souza - CPS
Participante Banca Examinadora: Antônio Tadeu Azevedo Gomes - Laboratório Nacional de Computação Científica - LNCC Fabio Andre Machado Porto - Laboratório Nacional de Computação Científica - LNCC Regina Célia Cerqueira de Almeida - Laboratório Nacional de Computação Científica - LNCC
Suplente Banca Examinadora: Luciane Prioli Ciapina - Laboratório Nacional de Computação Científica - LNCC
