Banca de DEFESA: GIZEUDA CARIRY LACET DE BARROS CRISPIM

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: GIZEUDA CARIRY LACET DE BARROS CRISPIM
DATA: 27/02/2026
HORA: 15:00
LOCAL: Lavid, CI, UFPB
TÍTULO: Uma avaliação comparativa de métodos de análise de sobrevivência para Previsão de Tempo de Internação e Ocupação de Leitos em hospitais públicos municipais
PALAVRAS-CHAVES: tempo de permanência hospitalar; aprendizagem de máquina; pré-processamento; análise de sobrevivência
PÁGINAS: 63
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO: A superlotação dos serviços de saúde impõe desafios significativos à gestão hospitalar, sendo o tempo de internação (Length of Stay – LOS) um dos principais indicadores de desempenho. Este trabalho propõe uma análise comparativa de métodos de análise de sobrevivência para prever o tempo de internação hospitalar com base em dados reais do sistema hospitalar público de saúde de João Pessoa – PB, com o intuito de identificar a técnica mais eficaz para apoiar a gestão de leitos. A previsão precisa do LOS pode otimizar recursos, melhorar o planejamento de altas e aumentar a eficiência operacional. Para tal, o estudo explora métodos estatísticos e de aprendizado de máquina, com destaque para o Modelo de Riscos Proporcionais de Cox (CoxPH), Random Survival Forest e DeepSurv. Aborda os conceitos de aprendizagem de máquina, aprendizagem profunda, técnicas de pré-processamento de dados, e os fundamentos da análise de sobrevivência. O principal produto deste projeto é o modelo de previsão, utilizado para retornar probabilidades relacionadas ao tempo de internação dos pacientes em hospitais, onde o método utilizado para o desenvolvimento deste modelo vai seguir uma versão clássica de um pipeline de aprendizagem de máquina. A avaliação de desempenho foi realizada por meio do índice de concordância (C-index), onde o modelo de COX e o DeepSurv, este último em conjunto de mais dados, obtiveram os melhores resultados preditivos, sugerindo como método promissor, especialmente por lidar com riscos competitivos e modelar distribuições temporais de eventos com alta precisão. Os resultados parciais reforçam a viabilidade da aplicação de técnicas de inteligência artificial para previsão de LOS e indicam que o uso destes métodos pode gerar sistemas inteligentes de apoio à decisão clínica, capazes de contribuir significativamente para a gestão eficiente da ocupação de leitos hospitalares.
MEMBROS DA BANCA:
Presidente(a) - 1149359 - GUIDO LEMOS DE SOUZA FILHO
Interno(a) - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Externo(a) à Instituição - CICERO INACIO DA SILVA
Externo(a) à Instituição - DENIO MARIZ TIMOTEO DE SOUSA