Chang Jr., JoãoLuis, André de Carvalho MadureiraPelosi, João Victor dos SantosCorreia, Natalia CerriYamaura, Tiago YuitiKawano, William Toshihiro2021-04-072021-04-072020-06-17LUIS, André de Carvalho Madureira; PELOSI, João Victor dos Santos; CORREIA, Natalia Cerri; YAMAURA, Tiago Yuiti; KAWANO, William Toshihiro. Previsão de desocupação de leitos hospitalares por meio de modelos de machine learning. 2020. 58 f. Trabalho de Conclusão de Curso (Engenharia de Produção) - Centro Universitário FEI, São Bernardo do Campo, 2020.https://repositorio.fei.edu.br/handle/FEI/3186A busca pela melhoria da utilização dos recursos hospitalares tem sido motivada por um conjunto de fatores, como por exemplo o aumento na demanda de procedimentos cirúrgicos ou o número limitado de leitos hospitalares. Neste sentido, os pacientes que necessitam de tratamentos especiais ou de um procedimento cirúrgico, acabam submetidos a uma grande fila de espera, que infelizmente podem levar ao óbito. Portanto, o presente trabalho tem por objetivo propor modelos de machine learning para a previsão de desocupação de leitos de enfermarias e de unidades de terapia intensiva para portadores de doenças cardiovasculares congênitas, facilitando o planejamento da utilização dos leitos e o esquema de agendamento de cirurgias. Os dados levantados foram coletados por intermédio do mapeamento de processos, referentes a variáveis qualitativas e quantitativas, de modo a possibilitar a otimização da gestão dos leitos hospitalares e a aumentar o número de atendimentos com os mesmos recursos.The search for improved use of hospital resources has been motivated by a number of factors, such as the increased demand for surgical procedures or a limited number of hospital beds. In this regard, patients who need special treatment or a surgical procedure, end up being subjected to a long queue, which unfortunately can lead to death. Therefore, this study aims to propose an artificial neural network model to predict the vacancy of beds in wards and intensive care units for patients with congenital cardiovascular diseases, facilitating the planning of the use of beds and the scheduling of surgeries. The gathered data will be collected through the database and process mapping, referring to qualitative and qualitative variables, in order to make possible the optimization of the bed management and increase the number of attended patients with the same resources.58 f.pt-BRGestão de leitos hospitalaresMachine learningPrevisão de desocupação de leitos hospitalares por meio de modelos de machine learningTrabalho de Conclusão de Curso