RESUMO
ABSTRACT Purpose: The emergency medical service is a fundamental part of healthcare, albeit crowded emergency rooms lead to delayed and low-quality assistance in actual urgent cases. Machine-learning algorithms can provide a smart and effective estimation of emergency patients' volume, which was previously restricted to artificial intelligence (AI) experts in coding and computer science but is now feasible by anyone without any coding experience through auto machine learning. This study aimed to create a machine-learning model designed by an ophthalmologist without any coding experience using AutoML to predict the influx in the emergency department and trauma cases. Methods: A dataset of 356,611 visits at Hospital da Universidade Federal de São Paulo from January 01, 2014 to December 31, 2019 was included in the model training, which included visits/day and the international classification disease code. The training and prediction were made with the Amazon Forecast by 2 ophthalmologists with no prior coding experience. Results: The forecast period predicted a mean emergency patient volume of 216.27/day in p90, 180.75/day in p50, and 140.35/day in p10, and a mean of 7.42 trauma cases/ day in p90, 3.99/day in p50, and 0.56/day in p10. In January of 2020, there were a total of 6,604 patient visits and a mean of 206.37 patients/day, which is 13.5% less than the p50 prediction. This period involved a total of 199 trauma cases and a mean of 6.21 cases/day, which is 55.77% more traumas than that by the p50 prediction. Conclusions: The development of models was previously restricted to data scientists' experts in coding and computer science, but transfer learning autoML has enabled AI development by any person with no code experience mandatory. This study model showed a close value to the actual 2020 January visits, and the only factors that may have influenced the results between the two approaches are holidays and dataset size. This is the first study to apply AutoML in hospital visits forecast, showing a close prediction of the actual hospital influx.
RESUMO Objetivo: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma. Métodos: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação. Resultados: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50. Conclusão: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.
RESUMO
Resumo Objetivo descrever as características dos acidentes de motocicleta e das vítimas hospitalizadas em um hospital de grande porte e referência em trauma no Brasil. Métodos foi realizada uma pesquisa documental com uma amostra de 343 vítimas de acidentes de motocicleta internadas no Hospital de Restauração no ano de 2014. Os dados foram coletados nos prontuários dos pacientes. As variáveis demográficas foram analisadas e relacionadas a circunstâncias do acidente, clínicas e do tratamento. O programa Epi Info 7 foi utilizado para análise estatística descritiva. O teste do qui-quadrado de Pearson foi utilizado para analisar proporções. Nos casos em que as premissas do teste do qui-quadrado não foram satisfatórias, foi aplicado o teste exato de Fisher. O nível de significância de 5% foi considerado para todas as conclusões. Resultados o maior número de acidentes envolveu o sexo masculino (87,5%), na faixa etária de 20 a 29 anos (34,7%), solteiros (86,7%). A maior frequência de acidentes ocorreu aos domingos (25,1%) e à noite (32,1%). A região corporal mais afetada foi a cabeça (43,9%). O tempo médio de internação foi de 15,9 ± 23,8 (1-161) dias. O desfecho principal foi alta hospitalar (88,5%). O teste de comparação de proporções foi significativo para todas as variáveis analisadas (valor de p <0,001). Algum tipo de sequela afetou 51 (14,8%) vítimas. Conclusão o perfil das vítimas foi sexo masculino, idade entre 20 e 29 anos e a cabeça como área corporal mais afetada. O perfil das internações por acidente de motocicleta em um hospital de trauma traz informações relevantes sobre as características das vítimas e dos acidentes, que podem auxiliar no desenvolvimento de estratégias de prevenção de lesões.
Resumen Objetivo Describir las características de los accidentes de motocicleta y de las víctimas internadas en un hospital de gran tamaño y referencia en trauma de Brasil. Métodos Se realizó una investigación documental con una muestra de 343 víctimas de accidentes de motocicleta internadas en el Hospital de Restauração en 2014. Los datos se recolectaron de las historias clínicas de los pacientes. Se analizaron las variables demográficas y se las relacionó con las circunstancias del accidente, clínicas y del tratamiento. Para el análisis estadístico descriptivo, se utilizó el programa Epi Info 7. Para analizar proporciones, se utilizó la prueba χ2 de Pearson. En los casos en que las premisas de la prueba χ2 de Pearson no fueron satisfactorias, se aplicó la prueba exacta de Fisher. Se consideró el nivel de significación de 5% en todas las conclusiones. Resultados En el mayor número de accidentes, los involucrados fueron del sexo masculino (87,5%), del grupo de edad de 20 a 29 años (34,7%), solteros (86,7%). La mayor frecuencia de accidentes ocurrió los domingos (25,1%) y a la noche (32,1%). La región corporal más afectada fue la cabeza (43,9%). El tiempo promedio de internación fue de 15,9 ± 23,8 (1-161) días. El desenlace principal fue el alta hospitalaria (88,5%). La prueba de comparación de proporciones fue significativa en todas las variables analizadas (valor de p <0,001). Algún tipo de secuela afectó a 51 (14,8%) víctimas. Conclusión El perfil de las víctimas fue de sexo masculino, edad entre 20 y 29 años y la cabeza fue la zona corporal más afectada. El perfil de las internaciones por accidente de motocicleta en un hospital de trauma proporciona información relevante sobre las características de las víctimas y de los accidentes, que pueden servir para la elaboración de estrategias de prevención de lesiones.
Abstract Objective To describe the characteristics of motorcycle accidents and victims hospitalized in Brazilian a large hospital and reference in trauma. Methods A documentary research study was developed with a sample of 343 motorcycle accident victims hospitalized at the Hospital of Restoration in the year 2014. Data was collected in patients' medical records. Demographic variables were analyzed; related to the circumstances of the accident, clinics and treatment. The Epi Info 7 program was used, through descriptive statistics for analysis. Pearson's Chi-square test was used to analyze proportions. In cases where the assumptions of the chi-square test were not satisfied Fisher's exact test was applied. All conclusions were drawn considering the level of significance of 5%. Results The largest number was male (87.5%), in the age group of 20 to 29 years (34.7%), unmarried (86.7%). The highest frequency of accidents was in on Sunday (25.1%) and at night (32.1%). The most affected body region was the head (43.9%). The mean length of hospital stay was 15.9 ± 23.8 (1-161) days. The main outcome was hospital discharge (88.5%). The proportion comparison test was significant in all variables analyzed (p-value <0.001). 51 (14.8%) of the victims suffered some kind of side effect. Conclusion The profile of the victims was 20 to 29 years old, male, with the head being the most affected body area. The profile of hospitalizations due to motorcycle accidents in a trauma hospital, brings relevant information on the characteristics of victims and accidents, which may provide subsidies for injury prevention strategies.
Assuntos
Humanos , Masculino , Feminino , Recém-Nascido , Lactente , Pré-Escolar , Criança , Adolescente , Adulto , Pessoa de Meia-Idade , Ferimentos e Lesões , Motocicletas , Acidentes de Trânsito/mortalidade , Acidentes de Trânsito/prevenção & controle , Registros Eletrônicos de Saúde , Pacientes Internados , Estudos Retrospectivos , EmergênciasRESUMO
Aim: to identify the profile of frequent users of emergency services, to verify the associated factors and to analyze the reasons for the frequent use of the services. METHOD: An explanatory sequential type mixed method was adopted. Quantitative data were collected from the electronic medical records, with a sample of 385 users attended four or more times in an emergency service, during the year 2011. Qualitative data were collected through semi-structured interviews with 18 users, intentionally selected from the results of the quantitative stage. Quantitative data were analyzed using descriptive and inferential statistics and qualitative data using thematic analysis. RESULTS: It was found that 42.9% were elderly, 84.9% had chronic diseases, 63.5% were classified as urgent, 42.1% stayed for more than 24 hours in the service and 46.5% were discharged. Scheduled follow-up appointment, risk classification, length of stay and outcome were factors associated with frequent use. The reasons for seeking the services were mainly related to the exacerbation of chronic diseases, to easier access and concentration of technology, to the bond, and to the scheduled appointments. CONCLUSIONS: The results contribute to comprehending the repeated use of emergency services and provide additional data to plan alternatives to reduce frequent use. .
OBJETIVO: identificar o perfil de usuários frequentes de serviço de emergência, verificar fatores associados e analisar os motivos para utilização frequente do serviço. MÉTODO: adotou-se método misto, do tipo sequencial explanatório. Os dados quantitativos foram coletados em registros de prontuários eletrônicos, com amostra de 385 usuários, atendidos quatro vezes ou mais em um serviço de emergência, durante o ano de 2011. Os dados qualitativos foram obtidos por meio de entrevistas semiestruturadas, com 18 usuários, selecionados intencionalmente a partir dos resultados da etapa quantitativa. Os dados quantitativos foram analisados com estatística descritiva e inferencial e os qualitativos com análise temática. RESULTADOS: identificou-se que 42,9% eram idosos, 84,9% tinham doenças crônicas, 63,5% foram classificados como urgentes, 42,1% permaneceram mais de 24 horas no serviço e 46,5% tiveram alta. Os fatores associados à utilização frequente são retorno agendado, classificação de risco, tempo de permanência e desfecho. Os motivos da busca pelo serviço são relacionados, principalmente, à agudização de doenças crônicas, maior facilidade de acesso, concentração de tecnologia, vínculo e retornos agendados. CONCLUSÕES: os resultados contribuem para compreensão do uso repetido de serviços de emergência e oferecem subsídios para planejamento de alternativas para redução da utilização frequente. .
OBJETIVO: identificar el perfil de usuarios frecuentes de servicios de emergencia, verificar los factores asociados y analizar los motivos para utilización frecuente de ese servicio. MÉTODO: se adoptó un método mixto del tipo secuencial explicativo. Los datos cuantitativos fueron recolectados en registros de fichas electrónicas, con muestra de 385 usuarios atendidos cuatro veces o más, en un servicio de emergencia, durante el año de 2011. Los datos cualitativos fueron obtenidos por medio de entrevistas semiestructuradas con 18 usuarios, seleccionados intencionalmente a partir de los resultados de la etapa cuantitativa. Los datos cuantitativos fueron analizados con estadística descriptiva e inferencial y los cualitativos con análisis temático. RESULTADOS: se identificó que 42,9% eran ancianos, 84,9% tenían enfermedades crónicas, 63,5% fueron clasificados como urgentes, 42,1% permanecieron más de 24 horas en el servicio y 46,5% tuvieron alta para el domicilio. El retorno programado, la clasificación de riesgo, el tiempo de permanencia y el resultado, son factores asociados a la utilización frecuente. Los motivos de la búsqueda por el servicio son relacionados, principalmente a: la agudización de enfermedades crónicas, la mayor facilidad de acceso y concentración de tecnología, los vínculos, y a los retornos programados. CONCLUSIONES: los resultados contribuyen para la comprensión del uso repetido de servicios de emergencia y ofrecen informaciones para planificar alternativas para reducción de la utilización frecuente. .