Machine learning analysis to predict health outcomes among emergency department users in Southern Brazil: a protocol study.

OBJECTIVE: Emergency services are essential to the organization of the health care system. Nevertheless, they face different operational difficulties, including overcrowded services, largely explained by their inappropriate use and the repeated visits from users. Although a known situation, information on the theme is scarce in Brazil, particularly regarding longitudinal user monitoring. Thus, this project aims to evaluate the predictive performance of different machine learning algorithms to estimate the inappropriate and repeated use of emergency services and mortality. METHODS: To that end, a study will be conducted in the municipality of Pelotas, Rio Grande do Sul, with around five thousand users of the municipal emergency department. RESULTS: If the study is successful, we will provide an algorithm that could be used in clinical practice to assist health professionals in decision-making within hospitals. Different knowledge dissemination strategies will be used to increase the capacity of the study to produce innovations for the organization of the health system and services. CONCLUSION: A high performance predictive model may be able to help decisionmaking in the emergency services, improving quality of care.

Machine learning analysis to predict health outcomes among emergency department users in Southern Brazil: a protocol study / Análise de aprendizado de máquina para prever resultados de saúde entre usuários de serviços de emergência no sul do Brasil: estudo de protocolo

ABSTRACT: Objective: Emergency services are essential to the organization of the health care system. Nevertheless, they face different operational difficulties, including overcrowded services, largely explained by their inappropriate use and the repeated visits from users. Although a known situation, information on the theme is scarce in Brazil, particularly regarding longitudinal user monitoring. Thus, this project aims to evaluate the predictive performance of different machine learning algorithms to estimate the inappropriate and repeated use of emergency services and mortality. Methods: To that end, a study will be conducted in the municipality of Pelotas, Rio Grande do Sul, with around five thousand users of the municipal emergency department. Results: If the study is successful, we will provide an algorithm that could be used in clinical practice to assist health professionals in decision-making within hospitals. Different knowledge dissemination strategies will be used to increase the capacity of the study to produce innovations for the organization of the health system and services. Conclusion: A high performance predictive model may be able to help decisionmaking in the emergency services, improving quality of care.

RESUMO: Objetivo: Os serviços de emergência são fundamentais na organização da rede de atenção à saúde. Não obstante, apresentam diferentes dificuldades para seu funcionamento. Entre essas, destaca-se a superlotação dos serviços, a qual, em boa medida, é explicada pelo uso inadequado do serviço e reutilização frequente por parte de usuários. Apesar do conhecimento dessa situação, as informações sobre a temática são escassas no Brasil, ainda mais as relacionadas ao acompanhamento longitudinal dos usuários. Assim, este projeto objetiva avaliar a performance preditiva de diferentes algoritmos de machine learning para estimar o uso inapropriado e a reutilização dos serviços de emergência e a mortalidade. Métodos: Para isso, será realizado um estudo no município de Pelotas, Rio Grande do Sul, com um pouco mais de cinco mil usuários do pronto socorro municipal. Resultados: Caso o estudo seja bem-sucedido, será disponibilizado um algoritmo com potencial para ser usado na prática clínica para auxiliar profissionais de saúde na tomada de decisão no contexto hospitalar. Diferentes estratégias de difusão dos conhecimentos serão utilizadas para aumentar a capacidade do estudo de produzir inovações para a organização do sistema e serviços de saúde. Conclusão: Um modelo preditivo de alto desempenho pode auxiliar na tomada de decisão nos serviços de emergência, melhorando a qualidade do atendimento.

A new species of dragon's blood Croton (Euphorbiaceae) from Serra dos Órgãos (Rio de Janeiro, Brazil).

Crotonrizzinii Farias & Riina, sp. nov. is a new species from Serra dos Órgãos National Park in the Atlantic Rain Forest domain (Rio de Janeiro state, Brazil). It is known from the municipalities of Guapimirim, Teresópolis and Petrópolis, where it grows in montane ombrophilous dense forest, between 500 and 1500 m elevation. This arborescent species belongs to CrotonsectionCyclostigma Griseb., a Neotropical lineage distributed in forest habitats from Mexico to northern Argentina. It is mainly characterised by its laciniate-glandular stipules, bracts with two inconspicuous glands (colleters) at the base and campanulate pistillate flowers with sepals covering the ovary. We describe and illustrate the new species, and compare it with close relatives occurring in the Atlantic Rain Forest. We also provide a distribution map, habitat information and suggestions for the assessment of its conservation status.

ResumoCrotonrizzinii Farias & Riina, sp. nov., é uma nova espécie do Parque Nacional da Serra dos Órgãos, no domínio da Mata Atlântica (Rio de Janeiro, Brasil). É conhecida nos municípios de Guapimirim, Teresópolis e Petrópolis, onde cresce em floresta ombrófila densa montana, entre 500 e 1500 m de elevação. Esta espécie arborescente pertence a Croton seção Cyclostigma Griseb., uma linhagem de espécies neotropicais distribuídas em habitats florestais desde o México ao norte da Argentina. Caracteriza-se, principalmente, pelas estípulas laciniado-glandulares, brácteas com duas glândulas inconspícuas (coléteres) na base e flores pistiladas campanuladas com sépalas cobrindo o ovário. Descrevemos e ilustramos a nova espécie e a comparamos com espécies relacionadas ocorrentes na Mata Atlântica. Incluímos um mapa de distribuição, informações de habitat e recomendações para a avaliação do estado de conservação da espécie.