Quais mecanismos de big data são usados em aplicações de saúde e o que a literatura sistemática mostra sobre eles?
Resposta curta: Uma revisão sistemática da literatura identificou 205 artigos e selecionou 29 estudos relevantes sobre mecanismos de big data em saúde, organizando-os em cinco categorias: aprendizado de máquina, baseados em nuvem, heurísticos, baseados em agentes e híbridos. O trabalho descreve o estado da arte dessas técnicas em aplicações de saúde até o final de 2016.
Resposta
A revisão parte da constatação de que a saúde envolve muitos serviços, como diagnóstico, tratamento, prevenção de doenças, lesões e outros transtornos físicos e mentais, e que aplicações de processamento distribuído em larga escala operam sobre grandes volumes de dados. Nesse contexto, funções de aplicações de big data são parte central das operações em saúde.
Os autores observam que não havia, até então, um levantamento abrangente e sistemático que estudasse e avaliasse as técnicas importantes nesse campo. Por isso, o artigo se propõe a oferecer um estudo detalhado e sistemático dos mecanismos de estado da arte relacionados a aplicações de saúde baseadas em big data.
Esses mecanismos foram organizados em cinco categorias: aprendizado de máquina, baseados em nuvem, heurísticos, baseados em agentes e híbridos. A revisão sistemática da literatura (SLR) cobriu a literatura de aplicações de big data em saúde até o final de 2016.
Do ponto de vista do processo, foram inicialmente identificados 205 artigos, e um procedimento de seleção reduziu o conjunto a 29 estudos importantes. O resumo não detalha os critérios de seleção, a qualidade metodológica dos estudos incluídos nem os resultados específicos de cada categoria.
Para o leitor, o valor do artigo está em mapear e classificar as abordagens técnicas disponíveis, servindo como referência conceitual para quem precisa entender as famílias de mecanismos de big data aplicadas à saúde, e não em apresentar um resultado clínico ou operacional único.
O que o estudo mostrou
Trata-se de uma revisão sistemática da literatura (SLR) sobre mecanismos de big data em aplicações de saúde. Foram inicialmente identificados 205 artigos, e um processo de seleção reduziu o conjunto a 29 estudos importantes. Os mecanismos foram estudados e classificados em cinco categorias: aprendizado de máquina, baseados em nuvem, heurísticos, baseados em agentes e híbridos. A literatura coberta vai até o final de 2016. O resumo não informa resultados quantitativos por categoria.
Limitações
O resumo não informa os critérios de seleção dos artigos, a avaliação de qualidade dos estudos incluídos, os desfechos comparados entre as categorias nem as limitações apontadas pelos próprios autores. A cobertura da literatura termina no final de 2016, e o resumo não permite concluir qual mecanismo é superior em qualquer aplicação específica.
Aplicação no consultório
O artigo serve como referência conceitual para o médico entender as famílias de mecanismos de big data aplicadas à saúde, o que pode orientar conversas com fornecedores de sistemas e equipes de tecnologia na escolha de ferramentas de gestão do consultório. Como o resumo não traz resultados comparativos nem recomendações operacionais, não sustenta decisões de compra ou de fluxo de atendimento por si só; a aplicação prática é de contextualização técnica.
Estudo citado
Big data handling mechanisms in the healthcare applications: A comprehensive and systematic literature review. Journal of biomedical informatics, 2018.
Autores: Pashazadeh A, Navimipour NJ.
DOI: 10.1016/j.jbi.2018.03.014 · PubMed: PMID 29655946
Perguntas para aprofundar
- Como diferenciar mecanismos baseados em aprendizado de máquina, em nuvem, heurísticos, baseados em agentes e híbridos em aplicações de saúde?
- Quais critérios a revisão usou para reduzir 205 artigos a 29 estudos importantes?
- O que a literatura posterior ao final de 2016 acrescenta sobre big data em aplicações de saúde?
Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas
- Modelos de aprendizado de máquina são úteis para prever faltas em consultas odontológicas e como aplicá-los na gestão da clínica?
- A inteligência artificial é eficaz para prever admissões hospitalares e otimizar o fluxo de pacientes em serviços de saúde?
- A inteligência artificial é útil na gestão da lesão renal aguda e quais são as lacunas da pesquisa atual?
- A qualidade do relato de estudos que usam aprendizado de máquina para diagnóstico médico é adequada?
- O aprendizado de máquina pode otimizar a gestão do centro cirúrgico e reduzir cancelamentos?
Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown