Comparativo de modelos de previsão do volume de consultas diárias em prontos-socorros na Grande São Paulo

dc.contributor.advisorMaranhão, André Nunes
dc.contributor.authorLuz, Enrico Rossini Dias
dc.contributor.memberMarçal, Emerson Fernandes
dc.contributor.memberSilva Filho, Osvaldo Candido da
dc.contributor.unidadefgvEscolas::EESPpor
dc.date.accessioned2023-08-10T15:36:15Z
dc.date.available2023-08-10T15:36:15Z
dc.date.issued2023-08-10
dc.description.abstractO setor de pronto-socorro, dentro do contexto de gestão hospitalar, apresenta diversos desafios, principalmente na perspectiva de otimização dos recursos empregados. Um fator relevante é o fluxo de diário de pacientes sendo atendidos. Neste trabalho, modelos de previsões de séries temporais econométricos univariados e multivariados, rede neurais recorrentes e de combinação de previsões são implementados para a realizar a previsão do número de consultas diárias em 8 hospitais localizados na Grande São Paulo em 4 horizontes de tempo diferentes, com o intuito de identificar se há superioridade preditiva de um modelo específico. São comparados e ranqueados em termos de performance preditiva através do Mean Absolute Percentage Error e Model Confidence Set. Os principais resultados apontam para uma performance superior de 3 variações de combinação de previsão. Excluindo-se da análise tais combinações, entre os modelos individuais não há um predomínio claro, com diferentes modelos obtendo melhores resultados a depender da unidade hospitalar e horizonte de previsão.por
dc.description.abstractThe emergency room, in a hospital management context, presents several challenges, especially regarding resources optimization. A relevant factor is the daily flow of patients being admitted. In this study, time series forecasting models, recurrent neural networks and forecast combination models are implemented to produce daily forecasts of admissions in 8 different hospitals located in Great São Paulo in 4 different forecast horizons in order to identify if a superior forecasting ability exist for a specific model. The models are compared and ranked according to their forecasting performance by the Mean Absolute Percentage Error and Model Confidence Set procedure. The main findings point to a superior performance of 3 forecast combination variations. Aside from this group, there is not a clear superiority, with different individual models being superior depending on the hospital and prediction horizon.eng
dc.identifier.urihttps://hdl.handle.net/10438/34031
dc.language.isopor
dc.rights.accessRightsopenAccesseng
dc.subjectEmergency roomeng
dc.subjectTime series forecastingeng
dc.subjectForecast combinationeng
dc.subjectPronto-socorropor
dc.subjectPrevisão de séries temporaispor
dc.subjectCombinação de previsãopor
dc.subject.areaEconomiapor
dc.subject.bibliodataAnálise de séries temporaispor
dc.subject.bibliodataModelos econométricospor
dc.subject.bibliodataEmergências medicas - Previsãopor
dc.subject.bibliodataPrimeiros socorrospor
dc.titleComparativo de modelos de previsão do volume de consultas diárias em prontos-socorros na Grande São Paulopor
dc.typeDissertationeng
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Dissertação_EnricoRLuz.pdf
Tamanho:
5.66 MB
Formato:
Adobe Portable Document Format
Descrição:
PDF
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
4.6 KB
Formato:
Item-specific license agreed upon to submission
Descrição: