Modelos para previsão de demanda de atendimento em hospital

Abstract

Resumo : Um desenvolvimento didático para propor uma solução em relação a demanda de um hospital, prever a quantidade de atendimentos por hora no horizonte de um mês. A primeira parte do processo foi encontrar variáveis que pudessem ajudar a prever a quantidade de atendimentos que o hospital terá em seu dia, podendo assim, garantir sua efetividade. A segunda etapa consiste em testar modelos para utilização destas variáveis, sendo estes, modelos lineares generalizados, redes neurais e modelo automático de previsão existente no Facebook, chamado Prophet. A terceira etapa testa a acertividade. Cada um dos modelos propostos estimam a quantidade de atendimentos que serão realizados no próximo mês, os resultados estimados são comparados com os dados observados da base, com isso, para cada modelo foi calculado o erro absoluto e erro quadrático médio. A última etapa compara os resultados obtidos entre os modelos, onde todos tiveram bom desempenho e acertividade semelhante. Todos os 3 modelos podem ser considerados como possível solução para nosso estudo, porém, por utilizar menor recurso computacional e ter fácil implementação, recomendamos o modelo linear generalizado.

Abstract : A didactic development to propose a solution in relation to the demand of a hospital, predict the number of appointments per hour over a month. The first part of the process was to find variables that could help us predict the number of appointments that the hospital will have in its day, thus being able to guarantee its effectiveness. The second step is to test models to use these variables, these being, generalized linear models, neural networks and prediction model existing on Facebook, called Prophet. The third step tests the accuracy. Each of the proposed models estimates the number of appointments that will be performed in the next month, the estimated results are compared with the observed data from the base, therefore, for each model the absolute error and mean square error were calculated. The last step compares the results obtained between the models, all of which had good performance and similar accuracy. Any of the 3 models can be considered as a possible solution for our study, however, for using less computational resources and easy implementation, we recommend the generalized linear model.