E-mergency room: modelagem preditiva de despesas assistenciais em saúde suplementar utilizando técnicas de machine learning e deep learning (2024)
- Authors:
- Autor USP: AREIAS, CAIO ALEXANDRINO COSTA - FEA
- Unidade: FEA
- Sigla do Departamento: EAC
- DOI: 10.11606/D.12.2024.tde-22102024-161236
- Subjects: ATUÁRIA; APRENDIZADO COMPUTACIONAL; APRENDIZAGEM PROFUNDA; SAÚDE SUPLEMENTAR
- Keywords: Actuarial science; Deep learning; Machine learning; Modelagem preditiva; Predictive models; Supplementary health
- Language: Português
- Abstract: Com o advento da Covid-19 e consequente aumento da sinistralidade das operadoras, o ambiente de saúde suplementar no Brasil tornou-se propício para o emprego de ferramentas mais complexas de análise e modelagem de dados. Nesse sentido, o objetivo deste trabalho foi aplicar diferentes modelos preditivos de Machine Learning e de Deep Learning, como o Support Vector Machine (SVM), o XGBoost, o Random Forest (RF) e o Recurrent Neural Network (RNN), para a projeção de despesas assistenciais das operadoras de saúde, com o intuito de avaliar se tais modelos apresentariam melhores desempenhos frente a técnicas mais tradicionais, como regressões e séries temporais. Para tal, foram gerados cenários de predições nas bases de dados de procedimentos hospitalares e ambulatoriais disponibilizadas pela ANS, entre os anos de 2015 e 2022, em dois panoramas: (i) real, e; (ii) contrafractual, em que se avaliou impactos supondo a inexistência da pandemia no ano de 2020. Como resultado, para o panorama real, o modelo XGBoost apresentou o melhor desempenho, com melhores ajustes em 32,2% dos cenários considerados no período de 2015-2022. Para o contrafactual, os modelos que apresentaram melhores ajustes foram o RNN e o SVM, cada um obtendo melhores ajustes em 22,3% dos cenários no período de análise. Ressalta-se que, até o momento, não foram identificados estudos que tratem sobre a utilização de modelos projetivos de Machine Learning e Deep Learning nos custos do sistema de saúde brasileiro. Comocontribuição e impactos adicionais, espera-se que os estudos realizados sirvam de base para tomadas de decisão pelos diversos agentes do setor de saúde, como operadoras, beneficiários e reguladores, especialmente no que tange à construção e desenvolvimento de planos de saúde, em que se espera apreçamentos mais fidedignos e que se encaixem às necessidades de oferta e demanda, e à continuidade dos negócios, em que se deseja estimativas de reservas mais precisas e uma alocação ótima de recursos
- Imprenta:
- Data da defesa: 09.08.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
AREIAS, Caio Alexandrino Costa. E-mergency room: modelagem preditiva de despesas assistenciais em saúde suplementar utilizando técnicas de machine learning e deep learning. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/12/12136/tde-22102024-161236/. Acesso em: 09 jan. 2026. -
APA
Areias, C. A. C. (2024). E-mergency room: modelagem preditiva de despesas assistenciais em saúde suplementar utilizando técnicas de machine learning e deep learning (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/12/12136/tde-22102024-161236/ -
NLM
Areias CAC. E-mergency room: modelagem preditiva de despesas assistenciais em saúde suplementar utilizando técnicas de machine learning e deep learning [Internet]. 2024 ;[citado 2026 jan. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/12/12136/tde-22102024-161236/ -
Vancouver
Areias CAC. E-mergency room: modelagem preditiva de despesas assistenciais em saúde suplementar utilizando técnicas de machine learning e deep learning [Internet]. 2024 ;[citado 2026 jan. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/12/12136/tde-22102024-161236/ - O resseguro na saúde suplementar: um estudo contrafactual sobre os impactos da adoção de tratados de resseguros por operadoras de planos de saúde no Brasil
- Reinsurance in the supplementary health: a counterfactual study on the impacts of reinsurance treaties adoption by healthcare plans operators in Brazil
- O resseguro na saúde suplementar: um estudo contrafactual sobre os impactos da adoção de tratados de resseguros por operadoras de planos de saúde no Brasil
Informações sobre o DOI: 10.11606/D.12.2024.tde-22102024-161236 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
