Estrazione di pattern di "handover of work" in processi in ambito healthcare

The healthcare system is a complex environment where inefficiencies and waste of resources are likely to occur. It is in fact an environment in which various figures, including nurses, doctors, surgeons, anesthetists, etc. interact with each other and carry out continuous work exchanges. Moreover, in medicine most of the procedures are written on paper and hardly supported by an information system, so this increases even more the difficulty encountered while analyzing the processes as a whole. Process mining can be a solution to identify these inefficiencies and possible bottlenecks. Process mining, through the monitoring of event logs (event recorders), allows the identification of frequent patterns of behavior and the discovery of the hidden connections between large amounts of data. The thesis proposes, in addition to an overview of process mining and more specifically of process mining in the healthcare field, the extraction of social relationship as an alternative means of having a declarative representation of processes. Furthermore, there is a code written in Python language that can extrapolate these relationships starting from an event log file extracted from a database containing hospital information of various types, the MIMIC-III.

Il sistema ospedaliero è un ambiente complesso in cui è facile che si verifichino inefficienze e spreco di risorse. È infatti un ambiente in cui diverse figure, tra cui infermieri, medici, chirurghi, anestesisti, ecc. interagiscono tra loro ed effettuano continui scambi di lavoro. Inoltre, nella medicina la maggior parte delle procedure sono scritte su carta e difficilmente supportate da un sistema informativo quindi questo aumenta ancor di più la difficoltà che si incontra quando si vogliono analizzare i processi nel loro complesso. Il process mining può essere una soluzione per individuare queste inefficienze ed eventuali colli di bottiglia. Il process mining, attraverso il monitoraggio degli event log (registratori di eventi), permette di individuare pattern di comportamento frequenti e scoprire connessioni nascoste tra grandi quantità di dati. La tesi propone, oltre ad una visione generale del process mining, e più nello specifico del process mining in ambito healthcare, l’estrazione delle relazioni sociali come mezzo alternativo per avere una rappresentazione dichiarativa dei processi. Si presenta, inoltre, un codice scritto in linguaggio Python in grado di estrapolare queste relazioni a partire da un file di event log estratto da un database contenente informazioni ospedaliere di varie tipologie, il MIMIC-III.