Uma abordagem influenciada por pré-processamento para aprendizagem do processo de regulação médica / Un approach influenced to pre-processing for learning medical claim process / Un enfoque influenciado por pre-procesamiento para aprender el proceso de regulación médica

RESUMO

Apresentar uma metodologia que utiliza técnicas de pré-processamento para melhorar a qualidade dos dados presentes na base de dados de uma Operadora de Plano de Saúde para, em seguida, utilizar técnicas de aprendizado de máquina objetivando aprender o processo de regulação médica. Métodos: Foram utilizadas as métricas de precisão, recall, acurácia, f-measure, área sob a curva ROC e índice kappa para a comparação dos algoritmos de classificação C4.5, Naive Bayes e Multi Layer Perceptron. Resultados: Para a validação dos resultados foi utilizado o cross-validation 10-fold. O melhor classificador foi o C4.5, com taxa de acerto superior a 91%. Conclusão: Demonstrou-se que o processo de regulação pode ser aprendido por algoritmos de aprendizagem de máquina, porém faz-se necessário utilizar técnicas de pré-processamento para melhorar a qualidade dos dados...

ABSTRACT

Present a methodology that uses preprocessing techniques to improve the quality of the data present in Database of a health insurance company to learn the medical claim process. Methods: We use precision, recall, f-measure, area under the ROC and kappa to compare classification algorithms C4.5, Naive Bayes and Multi-Layer Perceptron. Results: In order to validate the results we used cross-validation 10-fold. The best classification algorithm was the C4.5 with accuracy higher than 91%. Conclusion: We demonstrate that the medical claim process can be learned by machine learning algorithms; however it is need to use preprocessing techniques to improve quality of the data...

RESUMEN

Presentar una metodología que utiliza técnicas de pre-procesamiento para mejorar la calidad de los datos presentes en la Base de datos de un Proveedor plan de salud para aprender el proceso de la regulación médica. Métodos: Precisión, recall, acurácia, f-measure, área bajo la ROC y índice kappa se utilizaron comparar diferentes algoritmos de clasificación C4.5, Naive Bayes y Multi-Layer Perceptron. Resultados: Con el fin de validar los resultados que hemos utilizado la validación cruzada 10 fold. C4.5 algoritmo obtenido mejor desempeño con una precisión superior al 91%. Conclusión: Se demuestra que el proceso de regulación médica puede ser aprendido por los algoritmos de aprendizaje de máquina, pero primero tienes que utilizar técnicas de pre-procesamiento para mejorar la calidad de los...