
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Pécora Junior, José Eduardo, 1976- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Métodos Numéricos em Engenharia | - |
| Autor(es): dc.creator | Macedo, Amanda de Fátima Mello | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T12:49:04Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T12:49:04Z | - |
| Data de envio: dc.date.issued | 2025-03-18 | - |
| Data de envio: dc.date.issued | 2025-03-18 | - |
| Data de envio: dc.date.issued | 2023 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/95381 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/95381 | - |
| Descrição: dc.description | Orientador: Prof. Dr. José Eduardo Pécora Junior | - |
| Descrição: dc.description | Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 05/11/2024 | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Área de concentração: Programação Numérica | - |
| Descrição: dc.description | Resumo: A superlotação de hospitais e as longas filas para cirurgias, exames, consultas e outros serviços de saúde têm sido um problema no Brasil e em diversos países. Neste trabalho, serão abordados dois problemas que geram filas de espera nos hospitais: o problema da superlotação de hospitais devido a pandemia da Covid-19 e o problema da fila de espera para a realização de uma cirurgia para tratamento de pedra nos rins (Nefrolitotripsia Percutânea). Diante desses desafios, será proposto um processo de priorização de pacientes considerando o problema da COVID-19 e o problema da cirurgia de Nefrolitotripsia Percutânea. Além disso, será proposta uma abordagem de redes neurais para classificação e priorização dos pacientes da fila de espera da Nefrolitotripsia Percutânea. O processo de priorização conta com as etapas de definição dos objetivos da pesquisa, definição dos critérios por meio de uma revisão da literatura, convergência dos critérios utilizando o método Delphi, cálculo das prioridades dos critérios com o método Fuzzy Analytic hierarchy process (FAHP), coleta de dados dos pacientes e prioridades dos pacientes. A abordagem de redes neurais proposta está dividida em duas partes, a primeira parte para classificar os pacientes em três grupos de prioridade (alta, média e baixa), e a segunda parte para priorizar os pacientes de cada um desses grupos, de acordo com a priorização obtida com o FAHP. A abordagem de redes neurais também poderá ser utilizada para previsão da classificação e da priorização de pacientes que possam ser incluídos na fila de espera para a cirurgia. Os resultados apresentaram a priorização dos critérios e dos pacientes para a Nefrolitotripsia Percutânea e a melhor configuração de redes neurais para a abordagem proposta. Os subcritérios com maiores pesos foram "DOI" (disfunção orgânica importante), "AFR" (agravo a função renal), "GUY4_4" (quadro cirúrgico complexo com Guy’s Score 4 nos dois rins), "Rim_trans" (um rim transplantado), "Nefrostomia", "Duploj" (cateter duplo J) e "DOR" (dor de difícil manejo clínico). A hidronefrose foi o subcritério que os pacientes mais apresentaram e foi possível obter uma nova ordem de pacientes para a fila de espera para a Nefrolitotripsia Percutânea. A configuração de rede neural que apresentou os melhores resultados na primeira parte, apresentou um erro média de 13% e uma acurácia de média de 90%. E a rede neural que obteve o melhor resultado na segunda parte, apresentou um erro médio de 5% e uma acurácia média de 98% | - |
| Descrição: dc.description | Abstract: The overcrowding of hospitals and long wait times for surgeries, exams, consultations, and other healthcare services have been persistent issues in Brazil and many other countries. This work addresses two key problems that contribute to hospital waitlists: the issue of hospital overcrowding due to the COVID-19 pandemic and the waitlist for kidney stone treatment surgery (Percutaneous Nephrolithotripsy). In response to these challenges, a patient prioritization process is proposed, considering these two issues, along with a neural network approach for the classification and prioritization of patients on the Percutaneous Nephrolithotripsy waitlist. The prioritization process involves several steps: defining the research objectives, establishing criteria through a literature review, converging criteria using the Delphi method, calculating the criteria priorities with the Fuzzy Analytic Hierarchy Process (FAHP), collecting patient data, and determining patient priorities. The proposed neural network approach is divided into two parts. The first part classifies patients into three priority groups (high, medium, and low), and the second part prioritizes patients within each group based on the prioritization obtained from FAHP. The neural network approach can also be used to predict the classification and prioritization of new patients. The results presented the prioritization of criteria and patients for Percutaneous Nephrolithotripsy and the optimal neural network configuration for the proposed approach. The subcriteria with the highest weights were "DOI," "AFR," "GUY4_4," "Rim_trans," "Nephrostomy," "Double J," and "Pain." Hydronephrosis was the most common subcriterion among patients, and a new patient order was established for the Percutaneous Nephrolithotripsy waitlist. The neural network configuration that yielded the best results in the first part had an average error of 13% and an average accuracy of 90%. The neural network that performed best in the second part had an average error of 5% and an average accuracy of 98% | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Pacientes | - |
| Palavras-chave: dc.subject | COVID-19 (doença) | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Análise Numérica | - |
| Título: dc.title | Processo de priorização de pacientes utilizando Fuzzy AHP e redes neurais | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: