Descoberta de padrões para identificação de casos de alto custo em operadoras de planos de saúde

Resumo

Apresenta-se a construção de um modelo para a identificação de casos de alto custo, aplicando o processo de Knowledge Discovery in Databases apoiados na literatura sobre a necessidade de aplicações sobre técnicas e algoritmos para a identificação de itens de interesse em grande volume de dados para o apoio à tomada de decisões em saúde. Como método propõe-se algoritmos de regra de associação com derivações em relação a medidas de interesses sequencial e temporal. Para validação e teste da técnica aplica-se um experimento sobre 16.355 liberações de procedimentos médicos, tendo sido descobertas 12.992 regras de associação, sendo 12.305 regras sequenciais e 5.554 padrões na medida temporal. O protótipo desenvolvido foi validado por seis especialistas, entre eles profissionais da enfermagem, analistas de sistemas e um médico, que foram capacitados para o seu uso, avaliando os padrões descobertos e a própria ferramenta, então, responderam a um questionário. As respostas foram tabuladas e o resultado foi obtido mediante ao índice de validade de conteúdo. O modelo alcançou uma aceitação geral na ordem de 78% indicando uma aceitação parcial pelos especialistas.