Estimação da frequência de utilização de serviços de saúde durante a pandemia utilizando machine learning

Estimating the frequency of use of health services during the pandemic using machine learning

Resumen

A mineração de dados é uma ferramenta altamente difundida desde o surgimento da computação, realizando a coleta, filtragem, processamento, análise e obtenção de informações relevantes em bases de dados complexas. Dentro da gama de aplicações do data mining destaca-se o machine learning, ou seja, algoritmos projetados em máquinas para que elas aprendam a trabalhar com diversos dados de maneira eficaz. Técnicas de machine learning vêm sendo muito utilizadas para a análise de bases de dados de diversas naturezas, com destaque especial para aquelas geradas com dados colhidos a partir do advento da pandemia do novo coronavírus. Neste artigo, foram utilizadas três técnicas para estimar o número de visitações em serviços de saúde em países de toda a América, e mais tarde comparando cada um deles com o Brasil. As três técnicas utilizadas foram os algoritmos de floresta aleatória, redes neurais e k-vizinhos mais próximos (ou k-nearest neighbors - KNN). A partir da aplicação dos três algoritmos, analisou-se então o erro absoluto médio, o erro quadrático médio, e a raiz do erro quadrático médio para fins de comparação. Com base nos resultados obtidos, foi observado que o país que possuía a população mais distinta da população brasileira no assunto estudado são os Estados Unidos da América, enquanto os dois países mais parecidos são Uruguai e Honduras.