Resumo: | Modelos de gestão baseados em valor requerem a precisa análise de indicadores de saúde como eventos de risco, condições clinicas, manejo de pacientes e desfechos clínicos. Atualmente essa análise é manualmente realizada através da leitura e busca por esses indicadores nos textos presentes em registros eletrônicos de saúde. A nossa pesquisa propõe um modelo computacional de classificação de textos livres, baseado em ontologias, que automatize essa tarefa de forma que ela possa ser realizada por um computador. Para validar o modelo proposto nós utilizamos as evoluções clinicas de 281 pacientes sob os cuidados de AVC. Foram selecionados 30 indicadores para serem identificados nessas evoluções. Destes o modelo conseguiu processar 28, e dentre eles os resultados de classificação variam de 5,83 % de f1-score com mcc de 8,01 % até 94,78 % de f1-score com mcc de 94,78 %, sendo a média, considerando os 30 indicadores, de 56,8 % de f1-score com mcc de 57,97 %. Value-based health managment models require a precise accounting of health indexes such as risk events monitoring, clinical conditions, pacient handling and, cases disclosures. Currently this accounting is performed by manually reading and searching through eletronic health records for this indexes. Our research proposes a way to make this a autonomous task that can be performed by a computer using a free-text concept classifier model based on ontologies. To validate our model we tested it with digital clinical evaluations from 281 pacients under stroke care. We’ve selected 30 indexes to be identified in this texts. Our model was capable of identify and classify 28 of thoses indexes varying from ’5,83 % f1-score results and mcc score of 8,01 % to ’94,78 % f1-score results and mcc-score of 94,78 %’. Considering all 30 indexes, our model reached, on average ’56,8 % of f1-score and a mccscore of 57,97 %’. |