Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/44254
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_RonaldoRodriguesPacheco.pdf7,89 MBAdobe PDFVisualizar/Abrir
Título: Princípios de Big Data baseado na mitigação de riscos como método de apoio para implementação de Lean Healthcare em um hospital
Autor(es): Pacheco, Ronaldo Rodrigues
Orientador(es): Mariano, Ari Melo
Assunto: Lean HealthCare
Mitigação de riscos
Big data
Análise de dados
Data de publicação: 14-Jul-2022
Referência: PACHECO, Ronaldo Rodrigues. Princípios de Big Data baseado na mitigação de riscos como método de apoio para implementação de Lean Healthcare em um hospital. 2022. xiv, 169 f., il. Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2022.
Resumo: O Lean HealthCare tornou-se uma das abordagens de gestão enxuta mais adotadas no setor de saúde. Sua aplicação tem como foco principal a eliminação de desperdícios e melhoria do mapa fluxo de valor da organização. No entanto, existem riscos pouco explorados que acarretam um alto índice de insucesso dos projetos que visam sua implementação. Em paralelo, cada vez mais, as organizações vêm adotando cuidados de saúde suportados por soluções tecnológicas orientadas a dados (Data-driven), como Big Data Analytics, fazendo com que os dados sejam o elemento mais valioso, principalmente após a ascensão da Industria 4.0. Contudo, os dados geralmente são subutilizados, visto que a grande maioria das organizações não possuem maturidade suficiente para transformá-los em informações e inteligência. Neste contexto, o presente estudo tem como objetivo propor etapas para mitigação de riscos em um projeto de implementação do Lean Healthcare em um hospital de Brasília, por meio da aplicação de princípios de Big Data. Quanto aos métodos, esta pesquisa possui abordagem qualitativa e quantitativa, natureza aplicada, classificada como exploratória, e apresenta como estratégia um estudo de caso. Os procedimentos metodológicos possuem etapas de gestão de riscos adaptadas da ISO 31000:2018. Para a identificação dos fatores de riscos, utilizou-se a revisão sistemática da literatura e análises de dados coletados in loco. Em seguida, os riscos foram priorizados, classificados e agrupados em três Classes distintas, para as quais eles foram analisados, avaliados e tratados. Dentre os principais resultados, podem ser citados: a identificação de 12 principais fatores de riscos; a proposição de dois modelos para priorização de áreas críticas: um multicritério e outro de teoria de grafos, como forma de mitigação dos riscos da Classe 1; para os riscos da Classe 2, foi proposto um modelo estrutural para mensuração da qualidade dos serviços, a partir da percepção dos pacientes, e um RoadMap com ações práticas; para a mitigação dos riscos da Classe 3, foi proposto um modelo de maturidade de dados, associado a um dashboard e um RoadMap. Quanto aos princípios de Big Data, estes foram atendidos a partir da aplicação transversal das técnicas e ferramentas ao longo das etapas propostas.
Abstract: Lean HealthCare has become one of the most adopted lean management approaches in the healthcare industry. Its application has as its main focus the elimination of waste and the improvement of the organization’s value stream map. However, there are unexplored risks that lead to a high failure rate of the projects that aim at its implementation. In parallel, organizations are increasingly adopting healthcare supported by data-driven technology solutions, such as Big Data Analytics, making data the most valuable element, especially after the rise of Industry 4.0. However, data is generally underutilized, since the vast majority of organizations lack sufficient maturity to transform it into information and intelligence. In this context, this study aims to propose steps to mitigate risks in a Lean Healthcare implementation project in a hospital in Brasilia, through the application of Big Data principles. As for the methods, this research has a qualitative and quantitative approach, applied nature, classified as exploratory, and presents a case study strategy. The methodological procedures have risk management steps adapted from ISO 31000:2018. For the identification of risk factors, the systematic literature review and analysis of data collected on site were used. Then, the risks were prioritized, classified and grouped into three distinct Classes, for which they were analyzed, evaluated and treated. Among the main results, we can mention: the identification of 12 main risk factors; the proposition of two models to prioritize critical areas: a multicriteria model and a graph theory model, as a way to mitigate Class 1 risks; for Class 2 risks, a structural model was proposed to measure service quality, based on patients’ perception, and a RoadMap with practical actions; to mitigate Class 3 risks, a data maturity model was proposed, associated with a dashboard and a RoadMap. As for the principles of Big Data, these were met from the transversal application of techniques and tools throughout the proposed steps.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (Mestrado Profissional em Computação Aplicada) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Brasília, 2022.
Programa de pós-graduação: Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.