Modelagem preditiva do tempo de internação com machine learning em prontuários hospitalares

Abstract

Este trabalho apresenta o desenvolvimento de um modelo preditivo para estimar o tempo de internação hospitalar, em inglês Length of Stay (LOS), com base em dados clínicos e administrativos obtidos de prontuários eletrônicos. A pesquisa busca contribuir para a gestão hospitalar por meio da aplicação de técnicas de aprendizado de máquina, fornecendo uma ferramenta de apoio na decisão que auxilie no planejamento de altas, na alocação de leitos e na otimização de recursos. O estudo foi conduzido utilizando a linguagem Python e o ambiente Google Colab, com o emprego de bibliotecas especializadas em análise de dados e modelagem estatística. Após o tratamento e padronização das informações, foi aplicado o algoritmo Random Forest Regressor, que é capaz de lidar com variáveis heterogêneas e interpretar a importância relativa dos fatores preditores. O desempenho do modelo foi avaliado com métricas como coeficiente de determinação (R2), erro absoluto médio (MAE) e raiz do erro quadrático médio (RMSE), apresentando resultados satisfatórios e consistentes com o comportamento observado durante as internações. Os resultados demonstram que o modelo desenvolvido é capaz de prever o tempo de internação com boa precisão e estabilidade, identificando as variáveis-chave associadas à complexidade clínica e à intensidade assistencial. Conclui-se que a aplicação de técnicas de aprendizado de máquina em dados hospitalares representa uma ferramenta promissora para apoiar as tomadas de decisão, contribuindo para a eficiência operacional e para a melhoria contínua dos processos de gestão em saúde.

This work presents the development of a predictive model to estimate the length of stay (LOS), based on clinical and administrative data extracted from electronic health records. The research aims to contribute to hospital management by applying machine learning techniques, providing a decision-support tool that assists in discharge planning, bed allocation, and the optimization of healthcare resources. The study was conducted using the Python programming language and the Google Colab environment, employing specialized libraries for data analysis and statistical modeling. After data cleaning and standardization, the Random Forest Regressor algorithm was applied due to its ability to handle heterogeneous variables and interpret the relative importance of predictive factors. The model's performance was evaluated using metrics such as the coefficient of determination (R2), mean absolute error (MAE), and root mean square error (RMSE), showing satisfactory and consistent results with the real patterns observed in hospitalizations. The results demonstrate that the developed model can predict hospitalization time with good accuracy and stability, identifying key variables associated with clinical complexity and care intensity. It is concluded that the use of machine learning techniques in hospital data represents a promising tool to support decision-making, contributing to operational efficiency and continuous improvement of healthcare management processes.