Previsão de emergência

As Unidades de Cuidados de Emergência (UCE) são instalações médicas que lidam com uma afluência não planeada de doentes, para uma grande variedade de condições, muitas vezes urgentes ou agudas, e frequentemente com risco de vida. Por conseguinte, as UCE têm de encontrar um equilíbrio difícil entre dispor de recursos suficientes (humanos e outros) para lidar com um aumento inesperado de doentes, reduzindo simultaneamente as práticas de desperdício que consistem em manter mais recursos do que os necessários. Assim, a informação atempada sobre possíveis variações no afluxo de doentes é fundamental para um planeamento adequado e para a qualidade do serviço. No entanto, uma vez que um grande número de razões leva as pessoas aos serviços de saúde, as admissões hospitalares variam significativamente. Desde acontecimentos agudos, à falta de alternativas, ou apenas por preocupação, diferentes razões têm diferentes dinâmicas subjacentes e são guiadas por diferentes factores, momentos e motivações. Assim, uma combinação de incerteza e grande variabilidade torna o problema da previsão das urgências um desafio muito complexo, com grande impacto na qualidade dos cuidados.

Concentramo-nos nos principais factores do comportamento de procura de ecus e utilizamos uma abordagem de ciência de dados e de aprendizagem automática (ML) para perguntar:

• Como variam os picos de emergência (em períodos sazonais e não sazonais)?
• Que factores externos podem prever essa variação?
• Podemos oferecer previsões a curto prazo para ajudar os decisores e reduzir a incerteza no que respeita ao afluxo de doentes ao ecu?

Este projeto foi desenvolvido em colaboração com Cláudia Soares e é apoiado por uma bolsa de investigação da FCT.