-
-
Significado do Nome do Projeto
-
Scora Dashboard - Predição da Taxa de Ocupação por Unidade Hospitalar
Inspiration
Uns dos principais desafios na jornada de combate ao coronavírus é a intensa demanda exercida sobre o sistema de saúde por pacientes suspeitos ou confirmados com a COVID-19. Usando práticas de gestão de operações, previsão de demanda e nivelamento da produção, nós da Scora desenvolvemos uma solução que, além de otimizar a gestão da capacidade instalada em hospitais superlotados, também direciona pacientes para as unidades de atendimento mais próximas com as menores taxas de ocupação.
What it does
Nossa proposta é utilizar dados reais de atendimentos a pacientes de coronavírus e número de leitos hospitalares para calcular a taxa de ocupação e prever sua evolução para os próximos 7 dias. Diferente de outros serviços que disponibilizam a informação de covid por bairros ou municípios, disponiblizamos a taxa de ocupação por unidade hospitalar.
Disponibilizamos um dashboard com gráficos de internação de novos pacientes, tempo de internação por tipo de evolução clínica (cura ou óbito), e número de leitos ocupados e disponíveis por tipo (com ou sem respiradores). Todas essas informações podem ser visualizadas por unidade de atendimento ou por diversas unidades de uma mesma região sobrepostas, possibilitando a gestão individual e coletiva das taxas de ocupação.
Há ainda uma funcionalidade específica para o cidadão que busca por atendimento: o app é capaz de informar as unidades de saúde mais próximas de sua localização, com dados de taxa de ocupação, data de atualização dessa taxa, horário de atendimento, formas de contato e recomendar o melhor hospital. Tudo isso a fim de promover maior rapidez e conforto ao usuário na busca por atendimento.
How I built it
A ferramenta é construída utilizando dados de ocupação de leitos e séries temporais com as demandas hospitalares. Nossos cálculos são baseados em atributos de idade, bairro, tempo de permanência, evolução do caso, entre outros. Desta forma, utilizamos algoritmos de aprendizado de máquina baseados em redes neurais para detectar padrões e realizar predições da taxa de ocupação futura.
Challenges I ran into
O principal obstáculo no desenvolvimento do app foi a obtenção de bases de dados, atualizadas e contendo os atributos relevantes para a construção modelo. Apesar de existirem algumas bases de dados sobre o atendimento de pacientes da covid-19, a maioria apresenta os números agregadas por região ou bairro, e não por unidade de saúde. As poucas bases por hospital encontradas apresentam dados que são atualizados mensalmente, o que dificulta a tarefa.
Accomplishments that I'm proud of
Temos particular orgulho da nossa modelagem para previsão da taxa de ocupação. Ao invés de tentarmos prever a demanda por novos leitos (entradas) e as curvas de evolução clínica e liberação de leitos (saídas), como seria intuitivo, mas extremamente complexo, percebemos que a informação mais relevante a ser prevista é a variação na ocupação dos leitos (ou seja a diferença entre entradas e saídas a cada dia). Isso possibilitou que a modelagem matemática fosse aproximada ao problema do nível de água na caixa d’água, mais simples de desenvolver uma vez que contém somente uma variável dependente (a taxa de ocupação) que é definida por variáveis independentes existentes em bases de dados reais (entradas e saídas).
What I learned
Aprendemos que o isolamento imposto pelo coronavirus não nos impede de nos unirmos para desenvolver soluções para vencer a covid-19. Somos uma equipe multidisciplinar, formada por pessoas de diferentes Estados, e soubemos usar a criatividade e ferramentas de colaboração para juntos desenvolvermos uma solução que seria impossível de criarmos sozinhos. Por este projeto, descobrimos diferente bases de dados e tivemos dimensão do difuculdade de gerar informação neste âmbito.
What's next for Scora
Neste MVP 1, utilizamos dados públicos atualizados até o dia 15 de maio, mas o governo do Rio de Janeiro já demonstrou que deve tornar público dados sobre leitos para Covid-19, que serão atualizado em tempo real (1). Portanto, nosso próximo desafio é integrar a solução à base de dados governamentais e em futuros desenvolvimentos expandir esta solução para outros estados, disponibilizando esta informação, com qualidade, para outras unidades de saúde. Demos um passo pequeno no município do Rio de Janeiro, mas nossa meta é abranger o Brasil.
Além da expansão territorial, nossa solução pode ser ampliada para outros recursos escassos no combate ao coronavirus. Disponibilidade de respiradores, equipe médica, testes clínicos, entre outros insumos que precisam ser cuidadosamente gerenciados. Além disso, nossa proposta claramente pode ser adaptada para outras doenças epidemiológicas, como dengue, zika, dentre outras.
Log in or sign up for Devpost to join the conversation.